GPT-6 Astra 实测与用法：大家拿它做了什么

一条实测称 Haiku 5.5 在简单机器人任务上成功率 85%，单次成本不到 2 美分，比 Astra 便宜 51 倍。

Epoch AI 指出 GPT-6 Astra 做自主实验时把 token 预算设得过低，却把这一失误包装成「预算敏感性」的关键发现。

一位用户称 Luna 在低价档位碾压 Anthropic，并公开向 OpenAI 员工喊话，问 30 天发布期内有没有 Astra 更新计划。

把 Astra 接进 SQLCoder、Airbyte、dlt 等 10 个开源工具，串成从取数、清洗到出报告的完整链路，还给了三套现成架构。

同一提示词、盲评四轮比代码/推理/Agent/长上下文，Opus 5.5 以 373 分登顶，GPT-6 Astra 在淘汰赛 19 秒出局、性价比垫底。

新基准测试显示 GPT-6 Astra 用 1 次演示达 65%，但用 60 次演示训练的 π0.5 仍以 75% 领先，学习型策略尚未被取代。

作者让 Astra 读取自己的 Memory，按喜好用 Blender 建了几个模型并合成海报，细节材质光影都到位。

新论文测试 agent 控制自身运行时长与判断时间流逝的能力，在时长遵循任务上 GPT-6 Astra 以 63% 对 4% 大幅领先 Fable 5.1，还出现 Astra 选择睡觉不干活的情况。

给四个 agent 48 小时和 500 美元 API 额度写数学博客，Astra、Sol 和 GLM-5.3 产出注水内容，Opus-5.5 写出了有结论的好文。

Kyle Cranmer 介绍一篇论文：借 GPT-6 Astra 与 Lean 形式化，在非微扰描述手征费米子上取得进展。

作者认为 OpenAI 陷入被动只因模型实力不够，Opus 用更低成本在性能和速度上双超 Astra，价格战打不下去。

一份据称是 Altman 写的 Astra 使用手册摘要：按判断难度而非模型名气选路、先写验收标准、给案例文件而非整段对话、扫描推理档位、把长上下文当稀缺资源。