奔赴群星？GPT6 Astra发布，执行能力再度升级，上下文机制更新

> 仅仅告诉 GPT6 Astra“你在被监控”，它有时就显著少写“思考过程”。甚至出现Astra攻击成功，但没有“思考过程”、工具调用记录。（图三）

Astra，拉丁语，群星。

ad astra，向着星辰，或奔赴群星。

5.6 Sol是太阳（Solar），6则是Astra。

能力方面，主要提升复杂情况处理。能轻松处理“一大坨现实资料”：

🟢游戏开发，Unity/Godot[1]。三种主题，模型自己做原型、试玩、找问题、迭代。原型基本一次启动，人工修补减少一半。参考图复现、空间推理、UI响应、自行修复等能力大幅提升（图四）；

🟢不到一分钟，一次执行吃下 41 份文档做财务报表 tie-out[2]，几分钟完成，4 个“雷点”全部找到（故意埋进去的错误）。这一特定工作流强40%，但BAR benchmark总体平均提升只有3%；

🟢网络安全断层进步，逆向工程 SRE-Bench，Astra pass@4 做到 99.2%，Sol 68.7%，而且只用了大约 1/4 的输出 token；

🟢数学类、命令行测评也比较亮眼；

初步看来，提升主要在大量状态跟踪、交叉核对、长程执行。

除了模型，也得益于Astra跨上下文保存记忆的能力，并搜索以前的上下文、测试结果和工具输出。

Agent 长任务、电脑操作、复杂工具调用，也得以改善（图五，注意坐标轴）。

至于幻觉，OpenAI拿过去用户反馈说“这里说错了”的对话重新测试，发现Astra 比 Sol 更少事实错误。

本体“智能”长进，貌似不大。第三方机构，Artificial Analysis 测试 Astra low（第六代小杯），“综合智能”57 分；GPT-5.6 Sol Low 是 51，Sol high （大杯） 57，Sol Max 则有 61，而Astra Max恰好也是61。Fable 5.1 是 66。（图六）

代码方面，DeepSWE v1.1 Astra 74.1%，Sol 70.8%，看起来只涨 3.3 个百分点。

不过考虑到OpenAI基本不打榜，平时榜单成绩并不高，但实际上用起来还好，尤其是GPT5.6 Sol处理模糊需求，是独一档。不像某些模型，天天拿高分，实际很低能。还是出来用用再说吧。

但总体来说，应该是被Fable5.1[3]完全打乱了发布节奏，发布表现略拉跨。甚至弄出了全线404的错误。

尤其是今天只是给少数机构滚动更新，后面几天才陆续给其他用户跟API。（图九）

对比“太阳”5.6Sol，群星API价贵不少，2.5倍，具体看图十二。

• 输入：$10 / 100万 token （对比$4）
• 缓存输入，$1；写入$12.5 （对比$0.4）
• 输出：$50 / 100万 token （对比$20）
• Fast 模式：最高约 2.5× 速度，价格为 Standard 的 2× （对比1.5倍速，2.5倍价格；另外接下来会有Sol的14倍速，20倍价格）

好消息是，100%额度；不像A\，50%（图十）。

引用链接
[1] 游戏开发，Unity/Godot：http://t.cn/AX0xEsxm
[2] 一分钟，一次执行吃下 41 份文档做财务报表 tie-out：http://t.cn/AX0xEsx3
[3] Fable5.1：http://t.cn/AX0xEsxu

相关视频来源于OpenAI官方发布