GPT-6 Astra 在 9 月 3 日上线：先向部分组织限量预览，随后几天逐步开放给 ChatGPT Plus、Pro、Business 和 Enterprise 用户，同时提供 OpenAI API 和 AWS 接入。距离 Anthropic 9 月 1 日发布 Claude Fable 5.1 只隔了两天，前沿模型的新一轮对位竞争正式开始。
这篇速评不写新闻复述，只回答开发者这两天最实际的问题：已经在用 Fable 5.1 的团队，要不要把工作负载切到 Astra？结论先行：不要整体切换，把 Astra 作为编码 agent 和计算机使用层的路由目标接入，是当下更划算的姿势。
榜单数字：亮点和水分要分开看
先看官方口径的亮点。FrontierMath Tier 4 达到 97.6%，属于饱和区；ExploitBench 100%；OSWorld 2.0 计算机使用 72.6%，同时每个任务耗时比上一代少约 47%；DeepSWE 约 73% 到 74%；Terminal Bench Science 64.6%。单看这份清单，Astra 像是全面碾压。
但独立评测的口径讲了另一个故事。Artificial Analysis 的 Intelligence Index 给 Astra 打了 61.2，基本和上一代 GPT-5.6 Sol 打平，仍落后于 Claude Fable 系。差距主要在非编码的通用推理上。
最有信息量的是 ARC-AGI-3。官方宣传的 99.9% 来自 OpenAI 自家的 Provider Adapter harness——一个跨请求保留推理状态的有状态环境。ARC Prize 官方在半私有评测集上的数据是：标准 harness 下 62.7%（花费约 2.6 万美元），Provider Adapter 下 99.9%（约 1.9 万美元）。而开发者通过标准无状态 API 直接调用时，分数落在 17% 到 63% 之间。
这不是造假，但它是重要的选购信息：如果你的架构是标准的无状态请求（多数生产系统正是如此），你买到的能力和那张 99.9% 的海报不是同一个东西。有状态 harness 适合长程任务的内部状态复用，前提是你愿意把会话黏在单一厂商的适配器上。
真正的卖点：token 效率
剥离饱和榜单后，Astra 的结构性优势浮出来：同样效果的 token 消耗大幅下降。
Artificial Analysis 的编码 Agent Index 显示，Astra 在 max effort 设置下比 GPT-5.6 Sol（max）少用约 3 倍 token 达到相近效果，成本与 GPT-5.6 Sol（max）接近，却在「编码 Agent Index 对比单位任务成本」上落在 Pareto 前沿——追平 Fable 5 的编码水平，价格更低。
对 agent 长任务，这个数字比任何单项 benchmark 都重要。编码 agent 一次任务动辄消耗数十万 token，token 效率翻三倍意味着原来跑不起的任务进入了预算区。这也是 Astra 最值得你今天就接入的理由。
选型矩阵：Astra 和 Fable 5.1 各守哪层
把两个模型的已知信息放进任务矩阵，路由就清晰了。
适合路由到 Astra 的负载：多轮编码 agent 任务（token 成本敏感，效果追平 Fable 5）；计算机使用和浏览器自动化（OSWorld 2.0 领先且单任务时间更短）；需要长上下文持续作业的终端任务。此外如果你的基础设施在 AWS 上，Astra 的接入摩擦更小。
适合留在 Fable 5.1 的负载：深度推理任务——架构设计评审、复杂调试、跨系统权衡类分析（Intelligence Index 独立评测领先）；对无状态 API 一致性要求高的场景（Fable 的榜单数字不依赖有状态适配器）；以及已经稳定的 Claude 生态工具链。
两者的成本结构还要观察。Astra 的按 token 计价在低 effort 档位便宜，但 max effort 的单位任务成本和上一代接近；Fable 5.1 的 API 定价已公开稳定。真正的比较应该在你的任务分布上算，而不是看价目表。
落地建议：影子流量先行
如果你已经在跑多模型路由（我们之前讨论过 Fable 5.1 之后的路由设计），接入 Astra 的正确方式是影子流量：把 10% 到 20% 的编码任务复制一份发给 Astra，对比完成率、token 消耗、回滚率和人工修正时间，跑一到两周再调权重。
三个具体检查点：第一，对比无状态口径的实际表现，别用厂商 harness 的数字做决策依据。第二，盯单位任务成本而不是单价——Astra 的 token 效率优势要换算成你的任务分布才有意义。第三，注意生态绑定：有状态适配器带来的分数提升是真实的，但它会把你的 agent 架构和单一厂商的会话机制锁得更深，退出成本要提前算。
另外给观望者一个提醒：Astra 目前还是限量预览阶段，API 配额和定价可能调整，DeepSWE、Terminal Bench Science 之外的独立评测也在陆续补齐。不着急的团队等两周，看第三方无状态口径的完整数据再做决定，不会有实质损失。
结论
GPT-6 Astra 是一次典型的「效率跃迁」而非「智能跃迁」：饱和的榜单数字是营销素材，token 效率和计算机使用才是工程价值。Fable 5.1 仍然是综合推理的最强选项之一，而 Astra 用更低成本拿到了同档的编码 agent 表现。
我的选型结论：编码层和 UI 自动化层路由到 Astra，深度推理层留在 Fable 5.1，其余负载交给高性价比小模型。整体切换是懒惰的架构，分层路由才是 2026 年的正确姿势——尤其是在榜单口径还会变的这两周。