gpt-6-astraGPT-6 Astra 是OpenAI 在 2026 年 9 月发布的旗舰模型,在 APIMODELS 上输入 $2.40、输出 $12.00 每 1M token,比官方 $10 / $50 低 76%,缓存命中 $0.24。真正拉开差距的是电脑操作(computer use)和长跑 agent:OSWorld 2.0 拿 72.6%,GPT-5.6 Sol 是 65.7%,官方还称单任务耗时减少 47%;Terminal-Bench 4.0 57.7% 对 Sol 的 37.3%;SRE-Bench 单次尝试 88.0% 对 55.9%;ExploitBench 100% 对 78.5%。另一块实打实的进步是长上下文检索 —— OpenAI MRCR v2 八针测试在 512K–1M 区间拿到 96.3%,Sol 只有 73.8%。数理方向也领先:FrontierMath Tier 4 v2 97.6%、GPQA Diamond 96.0%。⚠️ 但要知道哪些**没有**变:通用编码的提升很小,FrontierCode 1.1 只有 53.3%,和 Fable 5.1 的 53.5%、Opus 5 的 53.4% 基本打平,DeepSWE v1.1 是 74.1%;带工具的 Humanity’s Last Exam 反而落后 Claude,57.2% 对 Fable 5.1 的 65.0%。还有被广泛引用的 ARC-AGI-3 99.9% —— 那个成绩需要 OpenAI 自己的有状态适配器,**直接调 API 拿不到**。规格:上下文 105 万 token、最大输出 12.8 万,输入支持文字与图片;单次输入超过 27.2 万 token 时按输入 2 倍、输出 1.5 倍计费,与 GPT-5.6 同一档。通过 OpenAI 兼容的 /v1/chat/completions 或 /v1/responses 调用,一个 API Key 通用,国内可直连、无需组织认证,失败不计费。⚠️ 这个 API 到底给什么、不给什么(2026-09-06 在我们自己的端点上逐项实测,不是照抄参数表):函数调用在 /v1/chat/completions 和 /v1/responses 上都能用;内置的 web_search 能用;code_interpreter 能用。**computer_use_preview 和 file_search 用不了** —— 我们两条上游渠道都拒。所以如果你在 ChatGPT 官方 App 里看到它自己开浏览器、自己操作电脑,而你需要的正是这个行为,这个 API 给不了。另外有件事值得分开看:你看到的那套体验很大一部分是 **App 而不是模型** —— 设计工具、深度研究、沙箱电脑环境都是 OpenAI 围着模型搭的产品脚手架,拿官方 API key 同样拿不到。能跨到任何 API 的是模型本身加函数调用,这部分我们完整提供。
View complete API reference with all parameters and examples.
Enable real-time streaming responses with Server-Sent Events.
{
"model": "gpt-6-astra",
"stream": true,
"messages": [...]
}Enable the model to use tools and call functions.
{
"model": "gpt-6-astra",
"tools": [{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get current weather for a location",
"parameters": {
"type": "object",
"properties": {
"location": {"type": "string", "description": "City name"}
},
"required": ["location"]
}
}
}],
"messages": [{"role": "user", "content": "What's the weather in Tokyo?"}]
}Get structured JSON responses from the model.
{
"model": "gpt-6-astra",
"response_format": {"type": "json_object"},
"messages": [{"role": "user", "content": "Extract info as JSON: John is 30 years old"}]
}| Parameter | Type | Required | Description |
|---|---|---|---|
| model | string | Yes | Model identifier (e.g., gpt-6-astra) |
| messages | array | Yes | Array of message objects with role and content |
| max_tokens | integer | No | Maximum tokens in the response |
| stream | boolean | No | Enable streaming responses (SSE) |
| temperature | number | No | Sampling temperature (0.0 - 2.0) |
| top_p | number | No | Nucleus sampling threshold (0.0 - 1.0) |
| tools | array | No | Function calling tools definition |
| response_format | object | No | Output format (e.g., json_object) |
View complete API reference with streaming, thinking, and more.
Billing: Cost = (input_tokens * input_price + output_tokens * output_price) / 1,000,000
$2.40 / $12.00,官方是 $10 / $50
2026-09-06 在我们自己的端点上逐项验证过:函数调用(/chat/completions 和 /responses 都可以)、内置的 web_search 工具、code_interpreter 全部可用,返回的是真实的工具调用结果。这个 API 拿不到的是:computer_use_preview 工具和 file_search —— 两条上游渠道都拒收。如果自动操作电脑是硬需求,这个 API 给不了,我们宁愿在你接入之前就把话说清楚
模型本身在 OSWorld 2.0 上拿 72.6%,Sol 是 65.7%,OpenAI 还称单任务耗时减少 47%。那是模型的能力,不是我们能交到你手里的工具:那些成绩跑在 OpenAI 自家的 harness 里。走任何 API —— 我们的也好,官方的也好 —— agent 循环都得你自己用函数调用搭出来
你在 ChatGPT 应用里看到的设计工具、深度研究、沙箱电脑环境,都是 OpenAI 围着模型搭的产品外壳。买一把官方 API Key 同样拿不到那套体验。能带到任何 API 上的是模型本体加函数调用 —— 这部分我们完整提供
Terminal-Bench 4.0 57.7% 对 37.3%;SRE-Bench 88.0% 对 55.9%
MRCR v2 八针测试,512K–1M 区间 96.3%(Sol:73.8%)
GPT-6 Astra 是由 OpenAI 提供的大语言模型 API。GPT-6 Astra 是OpenAI 在 2026 年 9 月发布的旗舰模型,在 APIMODELS 上输入 $2.40、输出 $12.00 每 1M token,比官方 $10 / $50 低 76%,缓存命中 $0.24。真正拉开差距的是电脑操作(computer use)和长跑 agent:OSWorld 2.0 拿 72.6%,GPT-5.6 Sol 是 65.7%,官方还称单任务耗时减少 47%;Terminal-Bench 4.0 57.7% 对 Sol 的 37.3%;SRE-Bench 单次尝试 88.0% 对 55.9%;ExploitBench 100% 对 78.5%。另一块实打实的进步是长上下文检索 —— OpenAI MRCR v2 八针测试在 512K–1M 区间拿到 96.3%,Sol 只有 73.8%。数理方向也领先:FrontierMath Tier 4 v2 97.6%、GPQA Diamond 96.0%。⚠️ 但要知道哪些**没有**变:通用编码的提升很小,FrontierCode 1.1 只有 53.3%,和 Fable 5.1 的 53.5%、Opus 5 的 53.4% 基本打平,DeepSWE v1.1 是 74.1%;带工具的 Humanity’s Last Exam 反而落后 Claude,57.2% 对 Fable 5.1 的 65.0%。还有被广泛引用的 ARC-AGI-3 99.9% —— 那个成绩需要 OpenAI 自己的有状态适配器,**直接调 API 拿不到**。规格:上下文 105 万 token、最大输出 12.8 万,输入支持文字与图片;单次输入超过 27.2 万 token 时按输入 2 倍、输出 1.5 倍计费,与 GPT-5.6 同一档。通过 OpenAI 兼容的 /v1/chat/completions 或 /v1/responses 调用,一个 API Key 通用,国内可直连、无需组织认证,失败不计费。⚠️ 这个 API 到底给什么、不给什么(2026-09-06 在我们自己的端点上逐项实测,不是照抄参数表):函数调用在 /v1/chat/completions 和 /v1/responses 上都能用;内置的 web_search 能用;code_interpreter 能用。**computer_use_preview 和 file_search 用不了** —— 我们两条上游渠道都拒。所以如果你在 ChatGPT 官方 App 里看到它自己开浏览器、自己操作电脑,而你需要的正是这个行为,这个 API 给不了。另外有件事值得分开看:你看到的那套体验很大一部分是 **App 而不是模型** —— 设计工具、深度研究、沙箱电脑环境都是 OpenAI 围着模型搭的产品脚手架,拿官方 API key 同样拿不到。能跨到任何 API 的是模型本身加函数调用,这部分我们完整提供。 通过 APIMODELS 平台，您可以使用统一的 API 接口调用该模型，按量计费、价格透明。当前定价：Input: $2.40, Output: $12.00 per 1M tokens。
构建智能对话系统，自动回答用户问题，提升客户服务效率。
自动撰写文章、邮件、广告文案等文本内容，提高内容产出效率。
辅助代码编写、调试和代码审查，加速软件开发流程。
理解和分析非结构化数据，提取关键信息并生成报告摘要。
GPT-6 Astra 通过 APIMODELS 平台调用，当前定价：Input: $2.40, Output: $12.00 per 1M tokens。按量计费，用多少付多少。
在 APIMODELS 注册账号并获取 API Key，然后通过我们的统一 API 端点调用即可。我们提供详细的 API 文档和 cURL、Python、Node.js 代码示例。
APIMODELS 通过聚合平台提供与官方相同的 GPT-6 Astra 模型。我们提供统一的 API 接口，无需分别注册各平台账号，一个 API Key 即可调用所有模型。
不能拿到 Computer Use,其余大部分能。2026-09-06 我们在自己的端点上逐项实测过,结论如下(不是照抄参数表)。**能用**:自定义函数调用(/v1/chat/completions 与 /v1/responses 都可以,会真的回 tool_call)、内置网页搜索 web_search、代码解释器 code_interpreter —— 三者都返回真实的工具调用产物。**用不了**:`computer_use_preview`(Computer Use)和 `file_search`,我们两条上游渠道都拒绝这两个工具类型。所以如果你需要的正是「模型自己开浏览器、自己操作电脑」,这个 API 给不了,我们宁可现在讲清楚,而不是等你接完才发现。 还有一件事值得分开看:你在 ChatGPT App 里看到的那套体验,**很大一部分是 App 而不是模型**。设计工具、深度研究流水线、长跑编排、沙箱电脑环境,都是 OpenAI 围着模型搭的产品脚手架 —— 就算拿官方 API key 也不会自动获得那个体验,你仍然要自己写 agent 循环,用函数调用当原语。能跨到任何 API 的是「模型 + 函数调用」,而这部分我们完整提供,价格还低 76%。 长跑任务这边我们不额外设限,上限就是模型自己的上下文窗口(1.05M,超过 272K 的请求按 OpenAI 自己的规则整体按 2×/1.5× 计费)。单次非流式请求太长会撞到约 100 秒的边缘超时,这种场景请用流式。
看你在做什么。**电脑操作和长跑 agent 是真提升**:OSWorld 2.0 拿 72.6%(Sol 是 65.7%,官方还称单任务耗时减少 47%)、Terminal-Bench 4.0 57.7% 对 37.3%、SRE-Bench 单次尝试 88.0% 对 55.9%。长上下文检索也是:MRCR v2 八针在 512K–1M 区间 96.3%,Sol 只有 73.8%。数理方向 FrontierMath Tier 4 v2 97.6%、GPQA Diamond 96.0%,也都领先。**但通用编码基本没变**:FrontierCode 1.1 只有 53.3%,和 Fable 5.1 的 53.5%、Opus 5 的 53.4% 打平。所以做浏览器/终端自动化、SRE、超长上下文分析就换;单纯写代码,Sol($1.324 / $6.618)便宜 45% 且差距不大。
输入 $2.40、输出 $12.00 每 1M token,缓存命中 $0.24。OpenAI 官方是 $10 / $50(缓存读 $1.00、写 $12.50),所以**低 76%** —— 与我们 GPT-5.6 Sol 低 67% 的口径一致。⚠️ 有一档要注意:单次输入超过 272K token 时,**整个请求**按输入 2 倍、输出 1.5 倍计费,这是 OpenAI 的规则,我们照搬。失败请求不计费,没有最低充值和订阅,国内可直连、无需组织认证。
**拿不到。** 那个成绩需要 OpenAI 自己的有状态适配器(stateful adapter harness)—— 模型在多轮之间保留状态。直接调 API 是无状态的,官方也明说了「stateless API callers should not expect ~99% out of the box」。这条我们特意写出来,因为它是这次发布里最容易被误引的数字。
上下文 1,050,000 token、单次最多输出 128,000,输入支持文字与图片。走 OpenAI 兼容接口:POST /v1/chat/completions 或 /v1/responses,把 base_url 指向 https://api.apimodels.app/v1、model 填 gpt-6-astra 即可,SDK 不用换。流式、工具调用(function calling)、结构化输出都实测可用。
有三条值得先知道。一是**通用编码提升很小**(见第一问)。二是**带工具的 Humanity’s Last Exam 落后 Claude**:57.2% 对 Fable 5.1 的 65.0%、Opus 5 的 63.6% —— 需要博识型深推理的活,Claude 线仍更强。三是官方自己披露的两点:思维链可监控性有回退(推理输出更短、对抗提示下更难审计),以及网络安全类能力被严格闸住,发布时会拒绝写 PoC 漏洞利用这类请求,安全检查偶尔也会打断正常工作。
在 APIMODELS，GPT-6 Astra 与 60+ 个模型共用一个 API Key、一个余额，所以选型只看合不合适，不存在锁定。它支持 76% Below Official、Function Calling + Web Search、Code Interpreter、1.05M Context、No Computer Use、No file_search，你可以在价格和能力上把它和其它大语言模型模型对比，换模型只需改一个模型名字符串——无需新账号、无需重新对接。所有大语言模型模型与实时价格见 apimodels.app/models。
GPT-6 Astra 支持：76% Below Official、Function Calling + Web Search、Code Interpreter、1.05M Context、No Computer Use、No file_search。完整参数与调用方式见 APIMODELS 的 API 文档。
可以。APIMODELS 提供可直接访问的统一 API,一个 API Key 即可调用 GPT-6 Astra,无需分别注册官方账号、也无需自行处理官方接口的网络访问。
我们支持 Stripe（Visa、Mastercard 等国际信用卡）和支付宝付款。充值后积分即时到账。
接入方式、地区可用性,以及和同类模型的横向对比。