GPT-6 Astra 使用指南：从第一次提问，到交付真正能用的成果

第一次打开 GPT-6 Astra，你可能会问：“它比之前的模型强在哪里？”

更值得试的问题是：“我手头哪件需要查资料、做判断、反复修改的事，可以交给它推进？”

这篇指南不堆排行榜，直接从入口、任务写法和交付检查讲起。不会写代码，可以读前三部分；想把 Astra 接进自己的程序，后面有一个 Python 入门示例。

图片来源：OpenAI Developers，Thomas Ricouard 的 Architectural visualization with Astra。这是官方案例中的三维渲染图，并非实景摄影。本文三张配图均取自该案例，不使用卡通插画，也不将其冒充本站实测结果。

资料核对日期：2026 年 9 月 22 日。本文依据官方文档整理；任务模板为本站编写，API 示例未进行付费调用实测。入口、权限和价格可能调整，请以账号显示及官方文档为准。

一、先分清：Astra 是模型，使用体验还取决于工具

GPT-6 Astra 的 API 标识是 gpt-6-astra。官方将它定位于复杂推理、编程、研究以及需要跨多个步骤完成的工作。模型本身支持文字输入输出和图片输入；图片生成属于可连接的工具能力，不等于模型原生输出图片。官方模型说明

这一区别很重要：选中了模型，不等于它自动获得浏览器、你的文件和所有应用的权限。

比如，你希望它分析一份报告，就需要提供报告；希望它修改网站，就要在能够访问项目的环境中工作；希望它核对新闻，则应确认当前入口有可用的检索工具。

我建议第一次先挑一个边界清楚的小任务：整理一份已有资料、检查一个页面、改好一段代码。验收一件具体成果，比漫无目的地聊天更容易判断它是否适合你。

二、不写代码，怎样开始使用？

在支持的界面中选择 Astra

在 ChatGPT 桌面端、ChatGPT Work 网页端或 Codex 的相应界面，打开输入框附近的模型／推理选项，查看你的账号是否有 Astra。官方明确说明，可用性取决于账号、登录方式、客户端及分批开放进度；看不到时，不要把它理解成自己操作错了。官方模型选择指南

已经安装并登录 Codex CLI 的读者，可以这样启动：

codex -m gpt-6-astra

也可以在交互会话中输入 /model 查看可用模型与推理设置。命令只负责选择模型，不会绕过账号权限。

第一条消息，把“完成的样子”写出来

与其说“帮我研究一下”，不如给它明确的材料和交付要求。下面这段可以直接改成你的任务：

目标：把我上传的三份产品资料整理成一份采购比较说明。
读者：没有技术背景的小团队负责人。
交付：先给 200 字结论，再给功能差异表和待核实问题。
依据：只使用附件；缺少价格或功能信息时标注“未提供”。
边界：不代我购买，不联系供应商，不编造测试结果。
验收：每个关键结论都注明对应文件名和页码。
普通排版问题你自行处理；会改变结论的缺失信息再问我。

这不是“神奇提示词”，而是一份简短的工作说明。目标让它知道往哪里走，依据防止它随意补全事实，验收条件让你知道怎么检查。

涉及个人信息、客户数据或公司内部文件时，先确认自己有权上传，并尽量使用脱敏副本。

推理档位，先从默认值开始

官方建议使用能满足任务的较低推理档位：更高档位通常会增加耗时和用量。API 支持 low、medium、high、xhigh、max；界面标签和可选项不一定与 API 完全一致。模型选择指南、API 模型页

我的做法是先用同一道小任务测试默认档位。如果结果主要是遗漏要求，先改任务说明；如果确实涉及多种方案权衡，再提高推理力度。不要靠把所有任务都开到最高档来代替清楚的需求。

三、从官方案例学会“要成果”，而不只是“要答案”

开头那栋房子不是随手放上的科技配图。OpenAI 的案例展示了 Astra 在 Codex 中通过 Blender 脚本建立可编辑的三维场景，并继续调整布局、材质和镜头。它强调的是可以继续修改的工程，而不只是一张最终图片。官方案例

官方案例图片：建筑的几何剖视图。来源：OpenAI Developers / Thomas Ricouard，原文。这是三维模型视图，不是施工图或建筑安全证明。

这给普通用户一个很实用的启发：在任务开始时说清楚，你最后要拿到什么文件、什么证据。

写文章，要正文、引用和待核实项；改网站，要改动文件、检查结果和预览；做分析，要结论以及支撑结论的数据。漂亮的回答和可使用的交付物，不是一回事。

模板一：写一篇能核查的技术文章

请根据我提供的官方链接，写一篇面向初学者的中文教程。
先确认链接内容是否能读取，不能读取就明确说明。
文章依次包含：适用人群、准备工作、操作步骤、常见问题。
时效性参数注明核对日期，关键结论附原始来源。
不编造使用体验、截图或跑分。
正文约 1800 字，句子简短，少用口号和重复总结。
交付 Markdown，并另外列出我发布前需要核对的三件事。

模板二：让它修改网站，但把权限写清楚

请在当前项目中修复手机端文章标题溢出的问题。
先阅读项目说明并定位原因，然后实施最小必要改动。
保留已有未提交内容，不升级依赖，不改文章正文。
检查 375px、768px 和桌面宽度，报告实际执行的检查。
交付改动说明与预览；本次不要提交 Git，也不要部署。
如果必须改动全站布局，请先解释影响并等我决定。

这里故意将“修改”和“发布”分开。以后需要自动提交、上线时，再明确授权对应仓库和环境；不要用一句含糊的“都帮我做了”覆盖所有外部操作。

修改反馈，要指出可观察的差异

官方案例图片：客厅细节与灯光的渲染效果。来源：OpenAI Developers / Thomas Ricouard，原文。非实景照片，亦非本文重新生成。

“再高级一点”很难验收。“保留现有结构，删去重复段落，开头缩短为两段，每节增加一个具体例子”就容易得多。

我的建议是每轮反馈同时说明三件事：保留什么、改变什么、如何判断改好了。避免一次推翻所有已完成内容，也别让模型猜测你不满意的原因。

四、开发者入门：用 Python 发出第一条请求

只想在界面里使用的读者可以跳过这一节。

准备一个具备相应权限和可用额度的 OpenAI API 项目，创建 API Key，并在本机或服务端安全地设置 OPENAI_API_KEY 环境变量。官方 SDK 会读取这个变量。不要把密钥写进前端网页、文章、截图或 Git 仓库。官方快速入门

安装或更新 Python SDK：

python -m pip install --upgrade openai

将下面内容保存为 astra_demo.py：

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6-astra",
    reasoning={"effort": "medium"},
    input=(
        "请为个人技术博客设计一份发布前检查清单。"
        "覆盖事实核查、图片来源、链接、移动端阅读和隐私。"
        "用中文写 8 条，每条给出一个具体检查动作。"
        "不要声称已经检查了我的网站。"
    ),
)

print(response.output_text)

运行：

python astra_demo.py

这是基于官方 SDK 调用方式编写的入门示例，不是实测输出。它只有文字请求，没有联网搜索，也没有读取或修改你的博客。接入工具需要另行配置；模型不会因为提示词里提到“网站”就自动访问它。快速入门、Astra 接入指南

从旧代码迁移，先检查这些地方

不要只替换模型名就把旧参数全部照搬：Astra 不支持 none 推理；temperature、top_p、top_logprobs 等采样参数需要按官方迁移要求移除。需要工具调用时使用 Responses API，Chat Completions 对 Astra 的支持不包含工具调用。官方迁移说明

如果遇到报错，先根据返回的错误类型排查：模型名与访问权限、项目额度、SDK 版本、请求参数。不要把 API Key 或包含敏感数据的完整日志贴到公开评论区。

五、费用怎么控制？先跑小样本

截至本文核对日期，Astra Standard API 的普通输入价格为每百万 tokens 10 美元，输出为 50 美元。超过 272K 输入 tokens 的请求适用更高的长上下文费率；缓存、速度档位和工具调用还可能影响账单。以上是 API 计费，不是某个聊天订阅套餐的月费。官方模型价格

对第一次接入的人，我更建议做下面三件事，而不是先塞入整个资料库：

1. 用一小份资料验证结果，确认任务说明和输出格式有效。
2. 查看这次请求的实际用量，再估算批量执行成本。
3. 设置项目预算提醒，并在自己的程序中限制重试次数与并发；不要把提醒当成一定会自动停止消费的开关。

模型是否值得用，也不应只看每次回答的价格。你仍然需要统计核查、返工和人工收尾的时间。这个判断应当来自自己的任务记录，而不是把官方案例直接当成效率承诺。

六、第一次使用后的验收清单

完成一个小任务后，问自己：

• 它交付的是我要求的文件或结果，还是仅仅解释了做法？
• 引用能否打开，关键数字能否在来源中找到？
• 它有没有清楚区分“已执行”“建议执行”和“无法验证”？
• 改动是否留在我授权的范围内，原始材料是否保留？
• 如果换个人接手，能不能理解并继续使用这些成果？

GPT-6 Astra 的使用门槛，不一定在复杂的参数里。先给出一个具体目标、一组可靠材料和一套能检查的完成标准，再让它做完一个小闭环。

当你知道什么算“做好了”，才更容易让 AI 真正帮上忙。

官方资料与图片来源

• GPT-6 Astra 模型规格与 API 价格
• Astra 使用与迁移指南
• ChatGPT Work / Codex 模型选择
• OpenAI API 快速入门
• Architectural visualization with Astra — Thomas Ricouard：本文三张官方案例配图的出处，图片权利归原权利人所有。