GPT-6 Astra 已經正式進入 ChatGPT Work 的模型陣容。對正在用 AI 寫程式、處理文件或建立工作流程的人來說，真正值得問的，不是「又有新模型？」而是：之前交給 GPT-5.6 Sol 已經做到的工作，為甚麼需要換成 Astra？如果 Token 更貴，它究竟靠甚麼令升級變得合理？OpenAI 的 Work 更新頁已介紹 Astra，但正式推出不代表每個帳戶同時開通；實際選項仍受方案、分批推出進度及管理員設定影響。ChatGPT Work 更新

一、Astra 正式推出，與之前的 Astra 消息有甚麼不同？

我們早前介紹 Astra 時，焦點仍是推出前的安全評估及網絡安全能力。現在討論的是已公開的 GPT-6 Astra，官方 API 更新紀錄列出的推出日期為 2026 年 9 月 3 日；名稱、模型規格和收費已有正式文件可以核對。閱讀我們之前的 Astra 安全評估文章 時，應把它視為當時的發布前背景，不宜直接套用為今天的供應狀態。API 更新紀錄

首先要釐清，Astra 是模型，ChatGPT Work 是讓模型使用文件、工具及工作環境完成任務的產品介面。模型負責理解要求、推理和決定下一步；瀏覽器、檔案操作及外部系統連接則由環境提供。能否操作某個網站、讀取某份文件或更新某個系統，取決於實際工具、登入狀態及授權，不是選了 Astra 就自動取得所有權限。Work 模型選擇說明、瀏覽器能力說明

這亦不是「Sol 只會聊天，Astra 才開始做 Agent」。Sol 本身已支援工具調用及複雜工作；Astra 的比較價值，在於同樣面對多步驟任務時，能否更好地理解限制、維持上下文、選擇工具並交付可驗收的結果。Sol 模型規格

二、GPT-6 Astra 與 GPT-5.6 Sol：規格沒有全面翻倍

如果只看名稱由 GPT-5.6 變成 GPT-6，很容易以為所有容量也跟着大幅增加。但官方規格顯示，兩者的 Context Window 與最高輸出長度相同。Context Window 可理解為一次模型請求能容納的資訊範圍；容量相同，不代表在大量資訊中找出關鍵細節的能力相同。

資料來源：Sol 模型文件、Astra 模型文件。以上是 API 模型規格，不應直接當成所有 Work 介面的附件限制或可見選單。

這裏有兩個容易誤解的地方。第一，知識截止日期更新，不代表模型內置了今天所有新聞，涉及新產品、價格或政策仍需查證。第二，Astra 可以在合適環境調用圖片生成等工具，不等於它原生輸出圖片或影片；稍後介紹的 3D 場景和遊戲案例，同樣包含程式、製作軟件及人的反覆調整，而不是模型直接吐出一部完成影片。

三、能力差多少？有些大幅進步，有些只小幅領先

官方評測中，Astra 的提升並不平均。以下保留不同類型的測試，避免只抽取最誇張的數字。表內為各評測所報告的百分制分數，不能橫向視為同一種能力；差距以「百分點」表示，而不是籠統的「聰明了幾倍」。

以上摘自 OpenAI GPT-6 Astra 發布資料。官方採用的是各模型在不同推理強度下取得的最高分，並非全部以相同 Medium 或 High 設定對測；OSWorld 使用 v2026.08.08 離線測試集，採部分得分計分。評測環境也不能直接等同正式版 ChatGPT Work 的日常表現。

我們的解讀是：Astra 值得優先測試的，是需要串連多個步驟、工具及限制條件的工作。可是，DeepSWE 的差距只有 1.4 個百分點，也提醒我們不能把「複雜工作有明顯提升」偷換成「每項 Coding 工作都大幅領先」。同樣，長上下文測試分數上升，不代表你可以把一整個混亂資料夾交給它，然後取消文件整理及結果核對。

對企業而言，Benchmark 的用途是幫你決定先測甚麼，而不是替你完成採購決定。假如你的主要工作只是改寫短文、替資料加標籤或套用固定模板，即使新模型在另一類高難度測試表現突出，也未必能在你的工作中省下足夠時間。

四、放進 Work 之後，哪些工作最值得重新測試？

從「回答問題」走向「交付完整成果」

Work 的官方更新以複雜程式、研究，以及按照模板製作文書、試算表和簡報作為 Astra 的應用方向。重要的不是單一輸出格式，而是一項任務往往同時涉及讀資料、處理例外、製作檔案和核對成品。Work 更新說明

以香港中小企的月度營運報告為例，我們建議的測試不是問「幫我寫一份報告」，而是提供已去識別化的銷售紀錄、上月報告和指標定義，要求模型先核對退款及重複訂單，再產出有公式的試算表，最後把同一組已核實數字放進管理層摘要。這是可設計的試行流程，不是本文已完成的 Astra 實測；驗收重點應是各份成品數字一致，而不只是文字流暢。

視覺判斷與瀏覽器操作，需要一起驗收

Work 瀏覽器文件特別提到 Astra 的視覺判斷能力，以及比較頁面截圖、跨網站完成流程等方向。不過，能看到畫面與能正確完成業務操作，仍然是兩件事。Work 瀏覽器文件

例如製作活動網站時，可以要求它同時檢查桌面和手機版：標題有沒有被截斷、按鈕是否遮住內容、表格能否閱讀，以及表單錯誤提示是否合理。我們會把這類「建立後自行檢查，再交人驗收」列為測試重點；付款、發送訊息和公開發布則保留確認步驟。這樣才是在利用 Agent 的執行能力，而不是把執行權限無限放大。

對開發者而言，新能力也需要正確接法

官方更新同時提供非同步工具調用、工作進行期間的指令調整，以及保留快取的推理設定更新等能力。這些是開發者需要實際整合的 API 行為，不能推論為每個 Work 客戶端已自動開放同一套控制介面。API 更新紀錄

如果你把 Sol 接在自家系統，遷移也不是只換模型名稱。Astra 的工具調用需要使用 Responses API，亦不接受自訂 temperature、top_p 或 logprobs；應先用測試環境檢查現有參數及工具流程，再決定是否轉換。Astra 使用指南

五、Token 究竟貴了還是便宜了？先看單價，再看一整項工作的帳

標準 API：Astra 是 Sol 現行單價的 2.5 倍

以下全部是每 100 萬 Tokens 的美元價格，不是每次對話價格，也不是 ChatGPT 月費。Sol 採用目前的推廣價；官方更新紀錄表示優惠至少維持至 2026 年 11 月 21 日，並不代表已公布翌日一定調整至哪個價錢。API 價格更新

來源：官方 API 價目，2026 年 9 月 6 日核對。當輸入超過 272K Tokens，適用的是整項請求的長上下文費率，不是只有超出的部分加價。Astra 計費規格

一個可以直接理解的金額例子

假設一項工作使用 100,000 個一般輸入 Tokens，並產生 20,000 個計費輸出 Tokens，沒有快取、工具費或其他附加費。按上表計算，Sol 的模型費用是 US$0.40 加 US$0.40，合共 US$0.80；Astra 則是 US$1 加 US$1，合共 US$2。這是示範計算，不是承諾每份報告或每次 Coding 都只需這個價錢。

再假設 Astra 把輸出減少至 5,000 Tokens，但輸入維持不變，它的費用仍然是 US$1.25，高於 Sol 的 US$0.80。所以，「新模型用少了很多輸出 Tokens」不自動等於「整項工作更便宜」。若各類計費用量保持相同比例，在單價為 2.5 倍的前提下，Astra 的用量要降至 Sol 的 40% 以下，模型 Token 費才會更低；實際輸入、快取和輸出比例改變時，必須逐項重算。

為甚麼官方仍會說部分任務成本更低？

官方發布資料指出，Astra 在 Terminal-Bench 4.0 的較高表現，配合約低 9% 的估算成本；BenchCAD 則報告約低 43% 的估算成本。這些是特定評測的結果，不是所有工作一律節省同一百分比。Astra 發布資料

系統卡亦說明，相關成本估算使用離線模擬及 Token、工具行為等資料，真實部署的成本可以有明顯差異。因此，正確結論不是「Astra 其實更便宜」，而是「單價較高，但如果完成同一目標所需的過程明顯縮短，部分工作仍可能更划算」。Astra 系統卡

企業真正要看的，應是每份合格成果的總成本＝模型費用＋工具及執行費用＋失敗重試成本＋人工覆核及修改成本。如果模型費多了幾美元，卻能減少大量重做，可能值得；如果產物仍要由同事逐段重寫，價格表再漂亮也沒有意義。這是我們建議的評估方法，不是官方節省承諾。

六、在 ChatGPT Work 使用 Astra，並不是照 API 價目逐次扣美元

Work 的使用額度與 Codex 計量相關，必須和開發者 API 帳單分開理解。官方列出的模型 Token 點數，Astra 每百萬輸入／快取輸入／輸出分別為 250／25／1,250 credits；Sol 為 100／10／500 credits。按這三個類別比較，同樣是 2.5 倍，但 credits 並不等於美元，也不代表訂閱月費直接乘 2.5。Work 收費及用量說明

另一個容易混淆的細節是 Fast：官方 API 價目中的 Astra Fast 為標準 API 費率的 2 倍；Work 收費文件則列出 Astra Fast 的用量倍率為 2.5 倍。兩邊的名稱相近，計費環境並不相同，不應混用。API 價目、Work 用量倍率

實際使用時，不宜單憑「可發多少則訊息」估算能完成多少工作。一則要求修改短句的訊息，與一則要求查閱數十份文件、操作工具並反覆驗證的訊息，資源消耗可以完全不同。對工作量較大的團隊，我們建議同時記錄任務類型、推理設定、使用額度和人工修改時間，才看得到升級是否合理。

也要分清楚介面選項：Astra 的 API 推理強度最高列為 max；Work／Codex 的 Max、Ultra 等使用模式不能直接當成同名 API 參數。官方模型說明把 Ultra 與並行子代理工作聯繫起來，實際供應則視乎客戶端及方案。模型及推理選項

七、已經有人拿 Astra 做甚麼？從可走進去的房屋，到程序生成遊戲

以下不是我們自行想像的 Demo，而是 OpenAI 開發者網站在 2026 年 9 月 4 日刊載、由 Thomas Ricouard 具名分享的實作。不過，它們使用的是 Codex 配合 Astra 及製作工具，不能改寫成「所有步驟都在 ChatGPT Work 完成」，也不等於獨立第三方的大規模效果驗證。

建築視覺化：不是只有一張漂亮效果圖

在名為 Solace 的住宅項目中，作者以 Astra 配合 Blender 建立可編輯的 3D 場景，再反覆調整空間、家具、材質及燈光；項目亦延伸至 Unreal Engine 5 的第一身漫遊，包含開門、抽屜及燈光等互動。這裏值得留意的是，成果包含可繼續修改的場景及互動，而不只是一張不能編輯的圖片；過程也一直有人檢視並提出修正。Architectural visualization with Astra

對地產展示、室內設計提案或品牌體驗而言，我們的延伸判斷是：這類流程值得研究能否加快早期概念驗證。但示範中的房屋不應被視為已符合本地法規、結構要求或施工標準的建築文件，漂亮的漫遊也不能取代相關專業人士審核。

遊戲製作：除了畫面，還要讓系統互相配合

另一篇實作介紹了三個不同方向。Void Explorer 是程序生成的太空探索遊戲，包含 2,048 個星系及超過 10,000 顆行星，並處理飛行、降落和步行之間的切換；Sunwake 把海面波浪與船隻浮動、尾流等效果連結；Hollowflux 則利用地下河流及水中導電等機制設計 2D 動作 RPG。這些案例展示的不只是畫出一個畫面，而是讓多個遊戲系統共同運作。Building games with Astra

我們認為，對一般企業更接近的應用，可能不是立即成立遊戲工作室，而是互動產品展示、教育模擬、展覽體驗或活動小遊戲的原型。這是根據案例提出的應用方向，並非已核實的客戶部署。正式上線仍要另外處理裝置效能、相容性、素材授權、私隱及維護責任。

八、更強的 Agent，仍然需要清楚的工作邊界

官方使用指南指出，Astra 在指令遵循、釐清需求及工作連貫性方面有改善，但也提醒開發者注意可能出現的行為，例如小型程式工作仍進行過多測試、輸出比需要的更詳細，以及對 Skills 或 AGENTS.md 指令更敏感。換言之，能力升級不會令模糊要求自動變成良好的工作規格。Astra 使用指南

如果你只想修正一個按鈕，就應說明只改指定位置、保留原有設計，以及需要甚麼程度的測試；如果你需要深入研究，則應交代來源範圍、資料日期、交付格式和未知資訊如何標記。不要讓模型自行猜測你想要「快一點」還是「查得更深」，更不要把「完成工作」寫成默認允許它公開發布、付款或聯絡客戶。

長時間工作也不等於無限記憶。官方列出的實驗性 Context Management，推出時只適用於支援的 Codex 客戶端及指定 Plus／Pro 登入方式，預設關閉，並非所有 Work、Business、Enterprise 或 API 使用者都已有的通用功能。這類機制幫助延續跨上下文工作，不能理解成模型永久記住一切。實驗功能及適用範圍

安全方面，官方系統卡並沒有聲稱風險消失，亦提到監察可能影響合法任務的速度或完成情況。因此，較強的 Agent 更需要合理的權限及驗收：不必要的資料不要提供，不必要的外部操作不要授權，重要結論和不可逆動作仍由人確認。Astra 系統卡

九、香港企業應否立即由 Sol 全面轉去 Astra？

我們不建議把所有工作一刀切轉用 Astra，而是把模型選擇視為一個可驗證的營運決定。先挑出現有流程中最常失敗、最花人工修正或涉及最多工具切換的工作，再比較升級後是否真正改善。

一個容易落地的試行方法，是抽取 10 至 20 項真實但已妥善處理敏感資料的歷史任務，讓 Sol 和 Astra 使用相同材料、工具權限及交付要求。事先定義甚麼叫「完成」，例如數字可追溯、公式可重算、引用可打開、手機版沒有文字溢出；再記錄資源消耗、完成時間和人工修改分鐘數。樣本不代表統計上的普遍結論，但足以先找出值得擴大測試的工作類型。

以下是可以改用於試行的任務要求。它刻意把驗收及權限寫清楚，而不是只要求模型「做到最好」。

請根據我提供的三份去識別化資料，製作本月營運分析。先核對欄位定義、重複紀錄及缺失值；遇到無法確認的資料，列出疑點，不要自行補數字。

交付一份可重算的試算表和一份管理層摘要。摘要中的每個主要數字，都要能追溯至試算表中的計算位置；觀察、推論和建議請分開表達。

完成後檢查兩份成品是否一致，列出已完成的核對及尚未解決的限制。只建立供我審閱的檔案，不要發送訊息、修改外部資料或公開發布；如需要新增權限，先詢問我。

這正是 Prompt、Context 與 Harness Engineering 的實際分別：不只改一句 Prompt，還要安排好資料、工具、限制及驗收方式。模型再強，也需要一個清楚的工作環境，才能把能力穩定轉化成成果。

常見問題

Astra 已經在 Work 推出，為甚麼我的帳戶仍然看不到？

正式推出與所有帳戶同步開放並不相同。請先確認使用的是 Work 的模型選擇介面，再查看方案、客戶端更新及企業管理員設定；可用項目仍以帳戶實際顯示為準。官方模型說明

API 單價是 Sol 的 2.5 倍，是否代表我的 ChatGPT 月費也變成 2.5 倍？

不是。API 美元帳單、Work 的模型用量點數，以及訂閱月費，是不同概念。前文的 2.5 倍指目前對應的 Token 單價比較；你在 Work 的實際可用額度仍須按方案及工作消耗判斷。

Astra 能原生生成影片或完整 3D 世界嗎？

官方 API 規格沒有原生影片輸出。本文的建築和遊戲實作，涉及 Astra 協調程式、Blender、遊戲引擎等工具，再經人反覆檢視；不能因此宣稱模型本身就是影片或 3D 生成引擎。

Sol 是否已經不值得使用？

不是。當 Sol 在你的任務中已達到品質要求，而且總成本較低，保留它完全合理。值得升級的依據，是 Astra 能否在同一驗收標準下減少失敗、重試或人工修改，而不只是版本名稱更新。

結語：真正要升級的，是交付成果的能力

GPT-6 Astra 登陸 ChatGPT Work，最值得留意的不是「AI 又多了一個名稱」，而是複雜工作可以如何重新分工。模型負責更多理解、執行及檢查，人則更清楚地定義目標、授權範圍和驗收標準。但更高的 Token 單價也迫使我們問一條更實際的問題：這個升級，究竟省下了多少失敗和人工重做？

我們的判斷是，Astra 適合先放進高複雜度、高修改成本的工作中測試，而不是直接取代每一個舊模型。當你能清楚說出它多完成了甚麼、少出錯在哪裏，以及一份合格成果最後用了多少資源，才算真正理解這次升級的價值。