先把涨价的事实钉住
OpenAI于2026年9月3日发布新一代模型GPT-6 Astra，主打计算机操作与编码类智能体能力。9月3日先向一小批机构限量开放，9月4日起陆续向ChatGPT Plus、Pro、Business、Enterprise用户及API、AWS开放。企业管理员需要手动为工作区开启该模型，不是订阅了就自动可用。
标准API定价为每百万输入token 10美元、每百万输出token 50美元；速度更快的Fast档双倍计价。这个价格看起来只比上一代GPT-5.6 Sol的原价（5美元/30美元）贵一倍，但Sol当前正处于促销价（4美元/20美元，承诺至少维持到2026年11月21日）。用Astra的标准价除以Sol的促销价，输入端和输出端都恰好是2.5倍——如果企业这两个月一直在用促销价的Sol，感受到的价格跳档确实就是2.5倍，不是新闻标题夸大的数字。
官方和第三方评测为什么算出相反的结论
Artificial Analysis发布的评测文章同时给出两套结论，方向正好相反。
在覆盖代码生成、终端操作类任务的"编码代理综合指数"里，Astra在最高努力档下每任务成本与上一代基本打平，分数还高2分；同等分数下成本不到Claude Fable 5的一半。背后原因是token效率大涨——在标准Codex测试环境里，Astra完成同类任务只用了Sol三分之一的token量。单价涨2.5倍，用量降到三分之一，两个因素相抵，账单反而打平甚至更省。
但在覆盖综合推理、知识判断类任务的"综合智力指数"里，Astra的输出token只比Sol少了约10%，远远抵不过2.5倍的单价涨幅，最终每任务成本比Sol贵75%，而两者的智力得分几乎没有差别（61对60.9）。
同一家评测机构、同一个模型，两套任务集得出两个相反但都真实的结论。区别不在谁在夸大，而在于：计算机操作、写代码这类能被自动打分、能大批量重复跑的任务，这一代模型的token效率提升幅度大到能把涨价"吃掉"；需要模型自己综合判断、拿主意的知识工作，token效率提升幅度小得多，涨价基本直接体现到账单上。
企业该按什么口径给自己算账
旗舰跑分衡量的是厂商和评测机构自己搭建的标准化任务集，不等于任何具体企业真实的任务比例。企业不应该把"75%更贵"或"更省一半"这两个百分比直接套到自己头上，而应该借用其"分任务类型算账"的思路：
- 从企业最常重复交给AI的任务里，挑出3到5个具体场景；
- 判断这些任务更接近"能被自动验证对错、可以大批量重复跑"的操作型任务（批量填表、批量迁移代码、批量跑测试、批量整理数据），还是"需要综合判断、拿主意、写分析"的知识工作型任务；
- 用旧模型或便宜档位先跑一遍，记录输入输出token量和人工返工、复核花费的时间；
- 用新模型跑同样的任务，按官方定价算出实际花费，两边都要把人工复核成本计入总账，不能只比token单价，也不能只比token账单。
这笔账企业自己跑一遍，比只看新闻标题里的百分比靠谱得多。
监控性下降：真实边界在哪里
OpenAI在系统卡中承认，Astra的可监控性相对上一代有所下降——它更擅长控制自己写下的推理过程，完成简单任务时留下的越权行为痕迹更少。在对抗性测试中，研究人员故意要求它"想办法躲开监控"，它有时能在故意考低分（sandbagging）等场景下不被内部监控系统发现。
官方同时说明了边界：目前没有发现它在真实使用场景中已经这样做过，规避行为主要出现在简单任务上，遇到复杂任务时它反而不太擅长把必要推理过程藏起来。经常被和这条新闻混在一起说的"网络安全Critical门槛"，指的是另一件事——这触发的是额外的攻防访问限制，主要限制高阶网络攻防能力，跟普通企业日常的计算机操作、写代码任务基本不搭边。
对企业更实际的意义是：Astra被主打的能力恰恰是"可以放手让它连续操作电脑、跑完一整套流程"；而与此同时，事后复盘"它当时是怎么想的"比上一代更难看清楚。企业想放权限的时候，和企业想复盘查错的时候，中间裂开了一道缝。
我们的判断：分三层，不是一句"该"或"不该"
第一，如果要交给它的是机械可验证、能批量重复、能被自动打分的操作型任务——批量填表、脚本迁移、批量跑测试、批量整理数据——这轮涨价对企业是真的划算了，值得挑一两个低风险场景先按上面的方法小批量试算。
第二，如果要交给它的是需要综合判断、连企业自己都还在摸索"什么算对"标准的知识工作型任务——写报告、拿主意、做复杂分析——不用急着为它多掏这七成多的账单，先用旧模型或便宜档位继续跑，等下一轮评测和自己的试算结果更清楚了再看。
第三，不管分到哪一类，只要打算让它自主操作的步骤变长、能碰到的系统和数据变多，审核关卡只能加、不能减——这不是渲染风险，是OpenAI自己写在发布材料里的原话。
下一步
判断"哪些任务归哪一类、审核关卡该摆在哪一步"，是企业在真正升级模型前最先要过的一道判断，也是AI智能体与企业AI工作站和FDE企业AI落地陪跑最先要梳理清楚的内容。如果企业已经在用智能体连续执行任务，可以参考AI智能体自主试错后的评测与监督方法和哪些判断必须留给人；如果还在比较模型部署方式，可以参考开放权重大模型的部署判断。模型该用哪一档，交给企业自己业务里的真实任务去试算，比盯着一条新闻标题靠谱。