把代码问题放回工程上下文
Astra 适合结合需求、相关代码和测试反馈分析工程问题，而不只生成孤立片段。可以要求它说明修改影响、提出验证步骤，再根据运行结果继续修订。对于跨文件变更和复杂调试，这种围绕验收标准展开的协作比一次性代码建议更有价值。
All models
Get your API key
gpt-6-astra ★
OpenAIChatreasoningvision
Input 21.0247 Credits / 1MOutput 105.1237 Credits / 1M
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 输入方式
- 文本与图像；图文消息可用于联合分析
- 结果形式
- 文本回答；Chat Completions 提供 JSON 与 JSON Schema 格式设置
- 工具交互
- 可定义函数工具，并接收工具调用信息
- 推理控制
- Responses 使用 reasoning；Chat Completions 使用 reasoning_effort
- 响应方式
- Responses 与 Chat Completions 提供流式输出设置
- 连续会话
- /aichat/conversations 使用 question、stateful 与会话 id
模型能力说明与接口操作分别列出，工具执行和会话管理由所选入口及应用配置决定。
核心能力
了解 gpt-6-astra 能为你的工作带来什么。
按模板组织专业成果
它强调遵循已有模板、语气和视觉标准，适合把零散材料整理成结构明确的报告、演示文稿内容或分析说明。提供参考样式、受众和必须保留的事实后，可要求它筛选相关信息、压缩重复内容，使结果更接近团队实际需要的交付形式。
任务变化时保持目标连贯
Astra 能结合新增要求调整方向，同时继续围绕原始任务和约束工作。遇到会影响结果的重要缺口时，它倾向于提出针对性问题。图像理解也能加入这一过程，例如结合界面截图解释异常，再把观察结果转化为排查建议或修改计划。
适用场景
从具体任务出发，找到模型发挥作用的位置。
复杂缺陷定位与修复审查
输入报错日志、相关文件、复现条件和现有测试，要求 Astra 给出根因假设、修改方案及回归检查清单。把实际测试结果补充到后续消息中，再让它修订判断。最终交付可包括代码建议、影响说明和未验证事项，便于开发者审查合并。
企业材料与模板化写作
提供业务材料、既有报告样例及写作规范，让 Astra 生成管理层摘要、章节草稿或逐页演示内容。明确哪些数字必须引用、哪些结论需要保留条件，并要求标出待补充信息。需要生成可下载文档时，再由应用接入相应的文件制作工具。
科研数据解释与分析设计
输入研究问题、数据摘要、图表截图及分析代码，让 Astra 解释观察结果、检查假设并设计后续验证步骤。它适合连接科学推理与实际分析工作，输出实验建议、代码草案或结果讨论；数值计算和模拟应在受控环境中运行并回传结果。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
优先用于约束多、返工代价高的任务
如果任务同时涉及代码理解、图像判断和专业写作，或需要多轮修订仍保持原始约束，Astra 是值得优先评估的选择。官方对比展示了它相对 GPT-5.6 Sol 在多项工程与专业任务上的进步，但不代表每个工作负载都会同样提升；应以自己的代码库和交付标准验收。
区分 Astra 与相关型号
GPT-6 Sol、GPT-6 Luna 和 GPT-6.1 Sol 是不同型号，不是 Astra 的可互换名称；Astra Pro 也应单独区分。选择时不要只按名称中的版本号排序，而应比较实际任务效果与集成需求。已有消息式应用可使用 Chat Completions，需要响应事件处理时可选择 Responses。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 计算机使用能力不意味着发送一条提示就能操作你的桌面、浏览器或生产系统。需要应用提供工具、运行环境和明确授权；代码执行、文件写入及外部操作应设置审批与检查，模型给出的计划不能代替已经完成的执行记录。
- Codex 中的跨上下文笔记与历史检索不能等同于普通调用的永久记忆。复杂任务仍应保存关键需求、测试结果和工具记录；简化会话便于连续交流，但重要约束建议在阶段性验收时再次确认。
- Astra 的网络安全能力受到明确边界约束，适合安全代码审查和修补建议，不应期待它完成漏洞利用概念验证等受限任务。安全检查也可能中断合法工作，应用应保留中断状态，避免未经确认自动重复敏感操作。
常见问题
解答使用 gpt-6-astra 时的常见疑问。
调用 Astra 应填写哪个模型名？
填写 gpt-6-astra。Responses 搭配 input，Chat Completions 搭配 messages，简化会话搭配 question。GPT-6 是系列名称，不能直接当作这个型号的调用名称；Sol、Luna 和 Astra Pro 也不应混用。
Astra 可以同时看截图和分析代码吗？
可以用图文消息提供截图，并在文字中附上相关代码、日志和问题。Chat Completions 的图片内容使用 image_url。建议明确希望检查的界面区域、预期行为与验收标准，让视觉观察和工程判断围绕同一个问题展开。
它能直接运行测试或操作软件吗？
模型能够参与这类工作流，但实际执行需要应用连接相应工具。仅提交代码不会自动运行测试，仅提交截图也不会自动点击界面。应由程序执行获授权操作，再把工具结果返回给 Astra，继续分析与修订。
怎样让 Astra 返回便于程序读取的结果？
在 Chat Completions 中可设置 JSON 或 JSON Schema 输出格式，并在任务中明确字段含义及缺失值处理方式。适合返回问题清单、审查意见或分析摘要；应用仍需解析和验证结果，尤其要检查业务规则与数值准确性。
多轮修改需求时如何接续任务？
使用消息式接口时，把必要的历史消息和关键约束带入后续请求。若希望简化会话管理，可在 /aichat/conversations 每轮设置 stateful=true，并复用返回的 id；同时保留阶段性目标，便于确认修改没有偏离原始任务。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$2.00per 1M tokens
Official $10.00
Output
$10.00per 1M tokens
Official $50.00
−80%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
Your API key is pre-filled in the snippet — copy and run it in your terminal or IDE.
This is only a basic call example. See the full docs for more parameters and advanced usage.