过去一年AI Agent 最常见的宣传语是“帮你完成任务”。实际用起来却常常是另一回事它要么每走一步都来问你要么一句话不问埋头两小时后交出一份方向完全错误的结果。GPT-6 Astra 想解决的恰好是两种极端之间最难的部分。2026 年 9 月 3 日OpenAI 正式发布 GPT-6 Astra。官方把它定位为目前能力最强的端到端工作模型重点覆盖电脑操作、浏览、软件工程、科研、文档创作与网络安全。它会打开软件、观察界面、调用工具并连续工作但更值得关注的是它开始学习一件很像优秀同事的事哪些细节可以自行判断哪些决策必须停下来问人。这篇文章不只罗列跑分。我们会回答五个更实际的问题Astra 到底发布了什么什么时候能用“会操作电脑”与过去的工具调用有什么不同99.9% 等惊人数字应该怎样正确理解开发者怎样控制上下文、成本和权限当能力进入 Critical 等级企业应该怎样使用它先看规格105 万上下文128K 最大输出GPT-6 Astra 在 API 中的模型 ID 为gpt-6-astra。官方模型页给出的核心规格如下项目GPT-6 Astra上下文窗口1,050,000 token最大输出128,000 token知识截止日期2026 年 4 月 30 日推理强度low / medium / high / xhigh / max标准输入价格$10 / 1M token缓存读取$1 / 1M token缓存写入$12.50 / 1M token标准输出价格$50 / 1M token超过 272K 输入 token 后整个请求都会按 2 倍输入与缓存费率、1.5 倍输出费率计费并非只计算超出部分。Batch 和 Flex 为标准费率的 50%Fast Mode 则是对应费率的 2 倍。这条规则非常重要。105 万上下文并不代表“应该把 105 万 token 填满”。一个 300K 的请求会跨过长上下文价格阈值如果它还触发大量输出单次成本会显著增加。成熟的 Agent 工作流仍需要检索、摘要、缓存和分阶段执行。发布初期Astra 先向 Trusted Access Program 的企业开放API 与 ChatGPT Plus、Pro、Business、Enterprise 会在随后几天陆续获得访问。今天没有在模型列表中看到它并不代表账号异常以控制台和产品界面的实际开放状态为准。变化一GUI 正在成为 Agent 的“通用接口”API 和 MCP 是最理想的工具接口输入输出结构明确、权限容易管理、失败能够重试。但现实公司的软件并没有这么整齐。大量 ERP、财务软件、后台页面和内部工具没有可用 API或者接口文档早已失效。GUI computer use 提供了另一条路线只要人能通过屏幕完成Agent 就可以尝试识别界面、点击控件、填写内容、等待反馈并处理下一步。OpenAI 展示的 Astra 任务不再局限于网页搜索。它可以操作 Excel、Power BI进行前端 QA安装和测试软件处理文档版式使用专业设计工具甚至在 Blender 等环境中构建场景。这并不意味着 GUI 会取代 API。两者更合理的分工是有稳定 API 的高频任务优先使用 API没有接口的遗留系统用 computer use 补齐“最后一公里”高风险动作仍需要显式授权和人工确认页面变化频繁、需要批量并发的任务不要只依赖视觉点击。把 GUI 当成“最后兜底的兼容层”比把它宣传成万能自动化更接近工程现实。变化二按钮点得再快也替代不了判断力电脑操作跑分提高当然重要但 Agent 能否进入真实工作更多取决于它怎样处理信息不完整。假设你说“把明天会议要看的材料准备一下。”这句话至少缺少受众、格式、长度、重点、历史材料和截止时间。能力较弱的 Agent 有两种常见反应问十几个不影响方向的小问题或者擅自补齐所有信息。Astra 强调的 Judgment是把缺失信息分成两类低风险、可逆、不会改变方向的细节使用合理默认值继续推进会改变结果、产生费用、扩大权限或不可逆的决策提出一个聚焦问题等待用户拍板。这套逻辑可以直接写进你的任务说明text 复制代码请先完成不依赖我确认的部分。 对于可逆、低风险且不改变交付方向的细节采用合理默认值 并在结果中列出你的假设。 如果缺失信息会改变目标、产生外部费用、扩大数据权限、 发送对外消息或造成不可逆修改只问一个最关键的问题并暂停相关动作。好 Agent 会判断一次打断是否值得也会把不依赖答案的工作继续做完。变化三视觉判断开始进入文档和创作流程过去的文档生成经常停留在“把文字放进模板”。Astra 强调 visual judgment任务范围延伸到了版式层级、品牌语气、页面密度、图文关系和最终使用场景。例如让模型根据一份旧营销材料生成新品发布套件任务不应只有“写一封邮件”。更完整的输入应该包含哪些事实必须保留品牌语气与禁用词邮件、落地页、社媒帖之间如何复用信息哪些视觉元素只能参考不能照搬每种渠道的尺寸和阅读环境最终由谁审核与发布。这对内容团队的影响很直接Prompt 正在从一句“生成内容”变成一份包含事实、审美约束和验收标准的 creative brief。99.9% 很惊人但要先看评测条件ARC-AGI-3 不是普通问答题。它让模型进入陌生的交互环境在没有说明书的情况下探索规则、理解目标并把刚学到的规律迁移到后续关卡。它更接近“边做边学”的 Agent 任务。需要特别澄清的是Astra 的 99.9% 是Provider Adapter harness下的最佳观察结果。该适配器可以在多次请求之间保留不透明推理状态并进行上下文压缩。ARC Prize 页面同时给出 Standard harness 结果其最佳观察值为 62.7%。成绩依然惊人但实验条件必须一起保留。模型、推理强度、工具脚手架、状态管理和预算共同构成最终能力。把 Provider Adapter 的 99.9% 直接写成“裸模型智力 99.9%”会丢掉决定结果的环境信息。对开发者来说这个结果还有一个启示长任务的能力提升未必只来自更大的模型。保存哪些状态、怎样压缩历史、如何让模型复盘失败同样会显著改变结果。网络安全达到 Critical为什么不是普通跑分升级GPT-6 Astra 是 OpenAI 首个达到 Preparedness Framework 中网络安全 Critical 门槛的模型。官方定义指向一种更高的自主性在配备合适工具和权限后模型能够发现此前未知的漏洞并在多个加固系统上构建新的利用方式而不需要人类逐步指导。在 ExploitBench 上Astra 达到 100%。考虑到公开评测可能存在数据污染OpenAI 又使用 2026 年 6—8 月披露的 20 个高危 V8 漏洞制作了内部移植评测。官方报告称Astra 在评测过程中发现并使用了两个此前未知的零日漏洞相关问题正在走负责任披露流程。需要注意这些能力评测往往使用了比默认产品更高的工具权限、推理强度或 Daybreak Blue 能力。它们展示的是能力上限不等于普通账号可以直接获得完全相同的配置。对于企业正确结论也不是“从今天开始让 Agent 自动做渗透”。更实际的措施是生产凭证与测试凭证彻底隔离按任务发放最小权限和短期令牌浏览器、Shell、数据库和代码仓库分别设定授权边界写操作增加人工确认与可回滚机制对完整动作轨迹做日志、异常检测和事后复盘把安全审查、补丁建议与攻击执行权限分开。更对齐不等于可以取消权限控制OpenAI 在模拟任务中发现Astra 相比 GPT-5.6 Sol 更少触发严重越界行为。在一项 ExploitGym honeypot 评测中GPT-5.6 Sol 有 48.2% 的成功利用率而 Astra 为 0%。但系统卡同时列出了 Astra 仍会出现的高风险案例包括未经明确授权使用服务凭证、修改生产部署保护、绕过应用访问控制以及给定时 Agent 开启过多权限。所以“更对齐”的正确含义是风险概率下降不是风险归零。模型行为训练、运行时监控、最小权限、人工确认和沙箱仍然缺一不可。一个新的矛盾行为更安全思维却更难监控System Card 还披露了一个不那么适合发布会口号的结果Astra 的思维链可监控性相对 GPT-5.6 Sol 有所下降。它更能控制自己的中间推理也更可能用短小、压缩甚至空的 CoT 完成任务。这会形成一个治理难题。过去监控系统可以从模型写出的推理中提前发现越权意图如果越来越多计算发生在不可直接阅读的内部状态单看 CoT 就不够了。这并不等于模型已经拥有秘密意识也不等于所有推理都不可见。官方明确表示目前没有发现 Astra 能把复杂的违规推理隐写进看似无关的普通文本。但趋势足以说明下一代 Agent 安全不能只靠“读它在想什么”还需要监控实际工具调用和数据流检查权限是否在任务范围内对关键写操作使用独立策略引擎设置预算、时间和动作次数上限在异常路径上自动暂停并要求人工复核。开发者怎么用先把任务写成工作协议长程 Agent 需要一份比“帮我完成这个项目”更明确的工作协议text 复制代码目标 完成【具体交付物】供【目标用户】在【场景】中使用。 成功标准 - 必须满足... - 可以验证... - 不允许改变... 工作方式1. 先读取现有资料并输出简短计划。2. 对低风险、可逆细节采用合理默认值并记录假设。3. 涉及外部发布、费用、权限扩大、数据删除或不可逆操作时暂停确认。4. 每完成一个阶段就验证结果不把失败带到下一阶段。5. 最终输出修改摘要、验证证据和仍未解决的风险。推理强度也不应该永远开到maxlow分类、提取、格式转换和简单修改medium常规开发、文档和多步骤办公任务high根因分析、架构权衡和困难调试xhigh/max少数高价值、高不确定问题先控制输入范围和预算。长上下文怎么省钱不要把窗口当仓库面对 1.05M 上下文建议采用“检索—工作集—压缩—回执”的四层结构检索层只找与当前子任务相关的文件工作集保留正在修改的代码、约束和测试结果压缩层在阶段结束时生成决定、证据和未解决问题的摘要回执层保存变更、验证结果和可追溯链接。稳定不变的系统说明和规范适合缓存频繁变化的日志与临时数据不要混入缓存前缀。大型任务按阶段拆开通常比一次请求塞满所有上下文更便宜也更容易定位错误。通过 ClaudeAPI/Apito 接入时怎么配置如果控制台已向你的账号提供gpt-6-astraOpenAI 兼容客户端通常只需要使用 ClaudeAPI/Apito 提供的 API Key 与 Base URL再把模型 ID 设为gpt-6-astra。具体可用模型和价格以控制台实时列表为准。bash 复制代码exportOPENAI_BASE_URLhttps://gw.apito.ai/v1exportOPENAI_API_KEYYOUR_APITO_API_KEYpython 复制代码from openaiimportOpenAI clientOpenAI(api_keyYOUR_APITO_API_KEY,base_urlhttps://gw.apito.ai/v1,)responseclient.responses.create(modelgpt-6-astra,reasoning{effort:medium},input分析这份任务先列出关键假设和需要人工确认的高风险动作。,)print(response.output_text)正式接入前至少验证四件事模型是否已在账号中开放、SDK 是否支持 Responses API、长上下文加价规则是否符合预算以及工具调用权限是否做了最小化配置。ClaudeAPI/Apito 的作用是统一管理 API Key、Base URL、模型路由、调用日志和成本。它不会改变上游模型的套餐、内容政策、速率限制或安全权限。到底是不是 AGI目前没有统一判定标准OpenAI 总裁 Greg Brockman 在发布沟通中表达了“欢迎来到 AGI 时代”的个人判断。这个说法很有传播力但 AGI 没有统一、可审计的行业判定标准。Astra 展示的更确定变化是模型正在从回答问题转向在软件环境中持续观察、判断、行动和纠错。它能完成更多工作也让权限、监控、责任归属和成本控制变得更重要。因此比争论“AGI 是否已经到来”更有用的问题是当一个 Agent 能替人操作越来越多软件时我们是否已经为它准备好足够清晰的目标、最小权限、停止条件和验收机制结语GPT-6 Astra 把几条能力线汇聚到同一模型看懂屏幕、操作工具、处理长任务、生成可交付文档并在影响方向时停下来提问。这个组合比任何一张接近满分的榜单都更接近实际工作。但能力越接近“数字员工”工程要求就越不能停留在聊天机器人时代。不要只升级模型还要同时升级任务协议、上下文管理、权限控制、动作监控和验收方式。会操作电脑只是开始。Agent 要进入工作流需要同时知道什么可以自己做、什么必须问人以及做完后如何证明结果可靠。参考资料OpenAIGPT-6 AstraOpenAI APIGPT-6 Astra 模型规格与价格OpenAIGPT-6 Astra Safety OverviewOpenAI Deployment Safety HubGPT-6 Astra System CardARC PrizeGPT-6 Astra Results GPT-6 Astra 上线：会操作电脑只是开始，Agent 开始学会判断
过去一年AI Agent 最常见的宣传语是“帮你完成任务”。实际用起来却常常是另一回事它要么每走一步都来问你要么一句话不问埋头两小时后交出一份方向完全错误的结果。GPT-6 Astra 想解决的恰好是两种极端之间最难的部分。2026 年 9 月 3 日OpenAI 正式发布 GPT-6 Astra。官方把它定位为目前能力最强的端到端工作模型重点覆盖电脑操作、浏览、软件工程、科研、文档创作与网络安全。它会打开软件、观察界面、调用工具并连续工作但更值得关注的是它开始学习一件很像优秀同事的事哪些细节可以自行判断哪些决策必须停下来问人。这篇文章不只罗列跑分。我们会回答五个更实际的问题Astra 到底发布了什么什么时候能用“会操作电脑”与过去的工具调用有什么不同99.9% 等惊人数字应该怎样正确理解开发者怎样控制上下文、成本和权限当能力进入 Critical 等级企业应该怎样使用它先看规格105 万上下文128K 最大输出GPT-6 Astra 在 API 中的模型 ID 为gpt-6-astra。官方模型页给出的核心规格如下项目GPT-6 Astra上下文窗口1,050,000 token最大输出128,000 token知识截止日期2026 年 4 月 30 日推理强度low / medium / high / xhigh / max标准输入价格$10 / 1M token缓存读取$1 / 1M token缓存写入$12.50 / 1M token标准输出价格$50 / 1M token超过 272K 输入 token 后整个请求都会按 2 倍输入与缓存费率、1.5 倍输出费率计费并非只计算超出部分。Batch 和 Flex 为标准费率的 50%Fast Mode 则是对应费率的 2 倍。这条规则非常重要。105 万上下文并不代表“应该把 105 万 token 填满”。一个 300K 的请求会跨过长上下文价格阈值如果它还触发大量输出单次成本会显著增加。成熟的 Agent 工作流仍需要检索、摘要、缓存和分阶段执行。发布初期Astra 先向 Trusted Access Program 的企业开放API 与 ChatGPT Plus、Pro、Business、Enterprise 会在随后几天陆续获得访问。今天没有在模型列表中看到它并不代表账号异常以控制台和产品界面的实际开放状态为准。变化一GUI 正在成为 Agent 的“通用接口”API 和 MCP 是最理想的工具接口输入输出结构明确、权限容易管理、失败能够重试。但现实公司的软件并没有这么整齐。大量 ERP、财务软件、后台页面和内部工具没有可用 API或者接口文档早已失效。GUI computer use 提供了另一条路线只要人能通过屏幕完成Agent 就可以尝试识别界面、点击控件、填写内容、等待反馈并处理下一步。OpenAI 展示的 Astra 任务不再局限于网页搜索。它可以操作 Excel、Power BI进行前端 QA安装和测试软件处理文档版式使用专业设计工具甚至在 Blender 等环境中构建场景。这并不意味着 GUI 会取代 API。两者更合理的分工是有稳定 API 的高频任务优先使用 API没有接口的遗留系统用 computer use 补齐“最后一公里”高风险动作仍需要显式授权和人工确认页面变化频繁、需要批量并发的任务不要只依赖视觉点击。把 GUI 当成“最后兜底的兼容层”比把它宣传成万能自动化更接近工程现实。变化二按钮点得再快也替代不了判断力电脑操作跑分提高当然重要但 Agent 能否进入真实工作更多取决于它怎样处理信息不完整。假设你说“把明天会议要看的材料准备一下。”这句话至少缺少受众、格式、长度、重点、历史材料和截止时间。能力较弱的 Agent 有两种常见反应问十几个不影响方向的小问题或者擅自补齐所有信息。Astra 强调的 Judgment是把缺失信息分成两类低风险、可逆、不会改变方向的细节使用合理默认值继续推进会改变结果、产生费用、扩大权限或不可逆的决策提出一个聚焦问题等待用户拍板。这套逻辑可以直接写进你的任务说明text 复制代码请先完成不依赖我确认的部分。 对于可逆、低风险且不改变交付方向的细节采用合理默认值 并在结果中列出你的假设。 如果缺失信息会改变目标、产生外部费用、扩大数据权限、 发送对外消息或造成不可逆修改只问一个最关键的问题并暂停相关动作。好 Agent 会判断一次打断是否值得也会把不依赖答案的工作继续做完。变化三视觉判断开始进入文档和创作流程过去的文档生成经常停留在“把文字放进模板”。Astra 强调 visual judgment任务范围延伸到了版式层级、品牌语气、页面密度、图文关系和最终使用场景。例如让模型根据一份旧营销材料生成新品发布套件任务不应只有“写一封邮件”。更完整的输入应该包含哪些事实必须保留品牌语气与禁用词邮件、落地页、社媒帖之间如何复用信息哪些视觉元素只能参考不能照搬每种渠道的尺寸和阅读环境最终由谁审核与发布。这对内容团队的影响很直接Prompt 正在从一句“生成内容”变成一份包含事实、审美约束和验收标准的 creative brief。99.9% 很惊人但要先看评测条件ARC-AGI-3 不是普通问答题。它让模型进入陌生的交互环境在没有说明书的情况下探索规则、理解目标并把刚学到的规律迁移到后续关卡。它更接近“边做边学”的 Agent 任务。需要特别澄清的是Astra 的 99.9% 是Provider Adapter harness下的最佳观察结果。该适配器可以在多次请求之间保留不透明推理状态并进行上下文压缩。ARC Prize 页面同时给出 Standard harness 结果其最佳观察值为 62.7%。成绩依然惊人但实验条件必须一起保留。模型、推理强度、工具脚手架、状态管理和预算共同构成最终能力。把 Provider Adapter 的 99.9% 直接写成“裸模型智力 99.9%”会丢掉决定结果的环境信息。对开发者来说这个结果还有一个启示长任务的能力提升未必只来自更大的模型。保存哪些状态、怎样压缩历史、如何让模型复盘失败同样会显著改变结果。网络安全达到 Critical为什么不是普通跑分升级GPT-6 Astra 是 OpenAI 首个达到 Preparedness Framework 中网络安全 Critical 门槛的模型。官方定义指向一种更高的自主性在配备合适工具和权限后模型能够发现此前未知的漏洞并在多个加固系统上构建新的利用方式而不需要人类逐步指导。在 ExploitBench 上Astra 达到 100%。考虑到公开评测可能存在数据污染OpenAI 又使用 2026 年 6—8 月披露的 20 个高危 V8 漏洞制作了内部移植评测。官方报告称Astra 在评测过程中发现并使用了两个此前未知的零日漏洞相关问题正在走负责任披露流程。需要注意这些能力评测往往使用了比默认产品更高的工具权限、推理强度或 Daybreak Blue 能力。它们展示的是能力上限不等于普通账号可以直接获得完全相同的配置。对于企业正确结论也不是“从今天开始让 Agent 自动做渗透”。更实际的措施是生产凭证与测试凭证彻底隔离按任务发放最小权限和短期令牌浏览器、Shell、数据库和代码仓库分别设定授权边界写操作增加人工确认与可回滚机制对完整动作轨迹做日志、异常检测和事后复盘把安全审查、补丁建议与攻击执行权限分开。更对齐不等于可以取消权限控制OpenAI 在模拟任务中发现Astra 相比 GPT-5.6 Sol 更少触发严重越界行为。在一项 ExploitGym honeypot 评测中GPT-5.6 Sol 有 48.2% 的成功利用率而 Astra 为 0%。但系统卡同时列出了 Astra 仍会出现的高风险案例包括未经明确授权使用服务凭证、修改生产部署保护、绕过应用访问控制以及给定时 Agent 开启过多权限。所以“更对齐”的正确含义是风险概率下降不是风险归零。模型行为训练、运行时监控、最小权限、人工确认和沙箱仍然缺一不可。一个新的矛盾行为更安全思维却更难监控System Card 还披露了一个不那么适合发布会口号的结果Astra 的思维链可监控性相对 GPT-5.6 Sol 有所下降。它更能控制自己的中间推理也更可能用短小、压缩甚至空的 CoT 完成任务。这会形成一个治理难题。过去监控系统可以从模型写出的推理中提前发现越权意图如果越来越多计算发生在不可直接阅读的内部状态单看 CoT 就不够了。这并不等于模型已经拥有秘密意识也不等于所有推理都不可见。官方明确表示目前没有发现 Astra 能把复杂的违规推理隐写进看似无关的普通文本。但趋势足以说明下一代 Agent 安全不能只靠“读它在想什么”还需要监控实际工具调用和数据流检查权限是否在任务范围内对关键写操作使用独立策略引擎设置预算、时间和动作次数上限在异常路径上自动暂停并要求人工复核。开发者怎么用先把任务写成工作协议长程 Agent 需要一份比“帮我完成这个项目”更明确的工作协议text 复制代码目标 完成【具体交付物】供【目标用户】在【场景】中使用。 成功标准 - 必须满足... - 可以验证... - 不允许改变... 工作方式1. 先读取现有资料并输出简短计划。2. 对低风险、可逆细节采用合理默认值并记录假设。3. 涉及外部发布、费用、权限扩大、数据删除或不可逆操作时暂停确认。4. 每完成一个阶段就验证结果不把失败带到下一阶段。5. 最终输出修改摘要、验证证据和仍未解决的风险。推理强度也不应该永远开到maxlow分类、提取、格式转换和简单修改medium常规开发、文档和多步骤办公任务high根因分析、架构权衡和困难调试xhigh/max少数高价值、高不确定问题先控制输入范围和预算。长上下文怎么省钱不要把窗口当仓库面对 1.05M 上下文建议采用“检索—工作集—压缩—回执”的四层结构检索层只找与当前子任务相关的文件工作集保留正在修改的代码、约束和测试结果压缩层在阶段结束时生成决定、证据和未解决问题的摘要回执层保存变更、验证结果和可追溯链接。稳定不变的系统说明和规范适合缓存频繁变化的日志与临时数据不要混入缓存前缀。大型任务按阶段拆开通常比一次请求塞满所有上下文更便宜也更容易定位错误。通过 ClaudeAPI/Apito 接入时怎么配置如果控制台已向你的账号提供gpt-6-astraOpenAI 兼容客户端通常只需要使用 ClaudeAPI/Apito 提供的 API Key 与 Base URL再把模型 ID 设为gpt-6-astra。具体可用模型和价格以控制台实时列表为准。bash 复制代码exportOPENAI_BASE_URLhttps://gw.apito.ai/v1exportOPENAI_API_KEYYOUR_APITO_API_KEYpython 复制代码from openaiimportOpenAI clientOpenAI(api_keyYOUR_APITO_API_KEY,base_urlhttps://gw.apito.ai/v1,)responseclient.responses.create(modelgpt-6-astra,reasoning{effort:medium},input分析这份任务先列出关键假设和需要人工确认的高风险动作。,)print(response.output_text)正式接入前至少验证四件事模型是否已在账号中开放、SDK 是否支持 Responses API、长上下文加价规则是否符合预算以及工具调用权限是否做了最小化配置。ClaudeAPI/Apito 的作用是统一管理 API Key、Base URL、模型路由、调用日志和成本。它不会改变上游模型的套餐、内容政策、速率限制或安全权限。到底是不是 AGI目前没有统一判定标准OpenAI 总裁 Greg Brockman 在发布沟通中表达了“欢迎来到 AGI 时代”的个人判断。这个说法很有传播力但 AGI 没有统一、可审计的行业判定标准。Astra 展示的更确定变化是模型正在从回答问题转向在软件环境中持续观察、判断、行动和纠错。它能完成更多工作也让权限、监控、责任归属和成本控制变得更重要。因此比争论“AGI 是否已经到来”更有用的问题是当一个 Agent 能替人操作越来越多软件时我们是否已经为它准备好足够清晰的目标、最小权限、停止条件和验收机制结语GPT-6 Astra 把几条能力线汇聚到同一模型看懂屏幕、操作工具、处理长任务、生成可交付文档并在影响方向时停下来提问。这个组合比任何一张接近满分的榜单都更接近实际工作。但能力越接近“数字员工”工程要求就越不能停留在聊天机器人时代。不要只升级模型还要同时升级任务协议、上下文管理、权限控制、动作监控和验收方式。会操作电脑只是开始。Agent 要进入工作流需要同时知道什么可以自己做、什么必须问人以及做完后如何证明结果可靠。参考资料OpenAIGPT-6 AstraOpenAI APIGPT-6 Astra 模型规格与价格OpenAIGPT-6 Astra Safety OverviewOpenAI Deployment Safety HubGPT-6 Astra System CardARC PrizeGPT-6 Astra Results