GPT-6 Astra 实测与用法：大家拿它做了什么

一张工作自动化能力对比图显示 GLM-5.3 Flash 48.8% 高于 GPT-6 Astra 的 41.4%，作者据此说 AI 竞争正从「谁最聪明」转向「谁能干活」。

作者准备把 50 个 PR 分别跑过 Fable 5.1、Opus 5、GPT-5.6 Sol 和 GPT-6 Astra 的 API，做一次代码能力对比。

整理官方提示词指南：清理过时的 AGENTS.md、明确授权自主执行、精简技能描述、别反复要求测试、设定明确停止条件。

推主给出一段可直接粘贴的提示词，让 Astra 扫描邮件、文档、表格等工作材料，挑出三个最值得接手的重复任务并给出执行方案。

作者主张 Astra 具备接近 AGI 的推理能力，配置得当就能全天候挖掘盈利交易策略，相当于私人对冲基金。

创作者一周烧掉 1500 美元额度，用四个提示词做出 COD 克隆、第五个提示词加上 20 人联机；OpenAI 因 Blender 建模耗尽额度而全球重置付费订阅用量。

一份写给 GPT-6 Astra 的 AGENTS.md 模板：锁推理档位、把高耗任务委派给子代理、最小化上下文并按需跑单测。

泰语长帖建议：别默认开 Max，先对比同任务各 thinking 档位的成功率、耗时和 token，再清理为旧模型写的 prompt 与 Skills。

226 道 Erdős 风格开放数学题上 Astra xhigh 排第一，但比 GPT-5.6 Sol 提升仅 5%–10%。

作者在做行为基准 ChoiceArena，首个盲测是信任困境，让 GPT-6 Astra 与 Claude Fable 5.1 匿名对决，投票后才揭晓身份。

DanDr1s 指出 Gemini 3.8 Flash 与 Muse Spark 1.3 在公开榜接近 Astra，换新基准后从近 90% 掉到 19% 和 33%，而 Astra 仍稳在 56–58%。

视频段子：只说了句「Hello」，Astra 就开始思考，用量额度一路下滑，调侃连问候都要收费。