GPT-6 这样用更顺手：OpenAI 官方指南已经讲明白了

admin

GPT-6 怎么用，才能更顺手，发挥出来它最大的能力？OpenAI 的《Using GPT-6 Astra》[1]把模型能力、工具使用、工作方式和接入设置放在了一份指南里。

这篇文章带你逐项读懂它：每项变化是什么意思、能起什么作用，以及使用时有哪些条件。涉及接口的术语，也会一起解释。

■ 一、模型介绍：能力、成本和协作表现

理解模型的三个方面：能完成什么工作，完成任务消耗多少资源，以及怎样理解和响应用户的要求。

◆ （一）能力：强调跨工具、多步骤的工作

OpenAI 将 Astra 描述为其迄今最智能的模型，并称其在计算机操作、浏览、软件工程、科学和专业工作方面达到领先水平。

它擅长在代码、浏览器和专业软件之间完成多步骤流程。“多步骤”意味着任务需要持续推进，前后步骤之间存在联系；“跨工具”意味着工作涉及不同的软件或操作环境。

这类工作对模型的要求是：在较长的过程中保持目标，衔接前后步骤，并通过相应工具完成操作。任务的连贯性，是理解这项能力的重点。

◆ （二）成本：区分单位价格和完成一次任务的花费

在 OpenAI 披露的若干评估中，Astra 取得了更好的结果，同时使用了明显更少的输出 token。因此，尽管单位 token 价格更高，估算的单次任务 API 成本仍低于较早的模型。

Token 是模型处理内容时使用的计量单位。

单位 token 价格回答的是“每份用量多少钱”，任务成本还取决于实际用了多少。判断完成一项工作的花费，需要把价格与实际消耗放在一起看。

上述成本结论有明确的适用范围：它来自特定评估中的估算，不能直接推定所有任务都会更便宜。

◆ （三）协作：补齐常规信息，在关键处提问，并接住新的要求

协作方面的改进，集中在谨慎工作、尊重任务边界和透明沟通上。

面对不完整的指令，普通的信息缺口可以结合上下文补齐；如果补充信息可能改变结果，Astra 会提出有针对性的问题。

“上下文”就是当前对话和已经提供给模型的其他信息。

它也能纳入新增要求，在用户要求时改变方向，并在回答中途问题时继续记住整体任务。这让协作可以持续进行：既使用已有信息推进工作，也根据新信息调整后续行动。

■ 二、新功能：工具怎样执行，工作途中怎样调整

执行过程中的变化：工具运行时可以继续处理独立工作，任务途中可以接收新要求，后续推理投入可以调整，同时保留可复用的计算状态。

这些功能主要面向通过 API 接入模型的应用。

API 是程序调用模型的接口；Responses API 是 OpenAI 提供的一种接口。应用需要完成相应接入，才能使用这些能力。

◆ （一）异步工具调用：等待一个工具时，继续处理不依赖它的工作

“工具调用”指模型请求工具完成某项操作，并根据返回结果继续工作。普通工具调用需要等结果回来，才能继续当前轮次。

Astra 新增的异步方式允许模型在工具运行期间继续思考、调用其他工具，或回答请求中相互独立的部分。“异步”的关键在于：一项操作尚未返回结果，其他可以继续的工作仍然能够推进。

它能减少相互独立的工作因等待而停下。继续处理的部分，应当不依赖尚未返回的结果。

在接口上，开发者为函数工具或自定义工具设置 `async: true`，完成后用原来的 `call_id` 返回结果。`call_id` 是这次调用的标识，用来对应请求和结果。工具执行与未完成工作的管理，仍由应用负责。

◆ （二）中途接收新指令：把用户的新要求带入正在进行的工作

Mid-turn steering 允许用户在模型工作时补充要求、纠正信息或调整方向，无须等整个回答结束后才提出。

通过 WebSocket 连接，Responses API 会保留已完成的工作，将更新带入后续执行。WebSocket 是持续收发消息的连接方式，适合这种工作过程中仍有新信息到来的交互。

新指令会影响后续工作。

已经发出的内容、已经完成的操作和已经启动的工具，不会因此自动撤销。理解这一点，才能分清调整接下来怎么做，与撤销此前操作的区别。

◆ （三）调整推理强度并保留缓存：改变后续投入，复用已经处理的部分

“推理强度”是模型投入多少推理工作的设置。困难工作可以提高推理强度，常规的后续处理可以降低强度。

与此相关的另一个概念是“提示缓存”。当后续请求具有相同的开头内容时，模型可以复用之前处理这一部分时留下的计算状态，减少重复处理。这段相同的开头称为“提示词前缀”。

Astra 支持通过 `configuration_update` 更新推理强度，无须改写最初的提示词前缀。新设置会持续用于后续回答，直到另一条配置更新覆盖它。

这样，后续工作可以按需要调整推理投入，原有前缀也继续满足缓存复用的条件。在标准的单代理请求中使用这一机制时，需要保持请求级别的 `reasoning.effort` 不变，并核对相应的兼容性限制。

◆ （四）行为偏离监测：检查模型的推理和行动是否需要复核

Misalignment monitoring 是 Astra 的一项保障措施。OpenAI 的系统会异步监测行为偏离，并在需要时发出警报。

这项监测检查代理在重要操作中是否正确理解用户指令，异步审查模型的推理和行动；发现潜在问题时，可以停止对话。

警报表示相关行动需要复核，并不等于已经认定用户违规或模型违反了指令。它的作用，是把需要检查的行为标记出来。

◆ （五）沿用的能力：九项已有 API 功能继续可用

Astra 也支持 GPT-5.6 已有的以下能力。它们分别涉及界面操作、程序读取结果、工具组织，以及长任务中的状态延续。

1. 计算机操作[2]：根据界面截图等反馈决定下一步，由应用执行浏览器或桌面上的操作。
2. 结构化输出[3]：按预先定义的数据结构返回内容，方便程序稳定读取。
3. 流式输出[4]：内容生成一部分就返回一部分，应用可以在整段生成完之前开始显示或处理。
4. 程序化工具调用[5]：模型编写并运行程序，用程序组织工具调用和处理结果。
5. 多代理编排[6]：由主代理组织子代理并行工作，再汇总它们的结果。
6. 提示缓存[7]：在请求开头内容相同时，复用已处理的计算状态。
7. 推理状态保留[8]：让兼容的既有推理状态参与后续调用，保持工作的连续性；不向用户暴露原始推理文本。
8. 上下文压缩[9]：减少上下文占用，同时保留后续继续工作所需的状态。
9. pro 模式[10]：通过投入更多模型工作处理困难任务，同时需要承受更高的延迟和用量。

◆ （六）使用限制：有些设置无法继续使用

Astra 不支持 `none` 推理强度；采用欧盟数据驻留时，无法使用 Fast mode。数据驻留是对数据存放地区的要求。

这两项兼容性条件会影响应用能采用哪些配置。迁移到 Astra 时，需要相应调整推理强度和处理方式。

■ 三、行为调整：让工作方式符合实际需要

需要明确的工作要求：持续推进到什么程度，怎样处理指令冲突，采用什么表达方式，何时委派任务，以及完成哪些验证。

◆ （一）主动推进：减少过早暂停，完成已经授权的工作

Astra 更能在长任务中保持连贯，也更倾向于在信息可能影响结果时提问。因此，它有时会暂停，而用户希望它作出合理判断后继续。

可以在指令中明确三件事：结合对话判断任务意图与范围；把已表达的行动请求当作执行要求，持续做到目标完成；需要确认时，先完成已有授权范围内的准备，形成可供用户审阅的具体结果。

这能减少只给计划、停在部分结果或重复索要许可的情况。自主程度应与应用需要相符，对明显具有破坏性或不可逆的操作仍需保留限制。

◆ （二）指令遵循：检查技能与工作说明里的规则冲突

Astra 更善于遵循长指令，也对上下文中的要求更敏感。含糊或冲突的技能规则，可能使它提前停下。

因此，需要检查模型可访问的 skills 和 `AGENTS.md` 等文件。Skill 是某类任务的操作指导，通常由 `SKILL.md` 提供；`AGENTS.md` 是项目给 AI 代理阅读的工作说明。

用户指令与技能指南之间的优先关系应当明确：两者冲突时，优先遵循用户的明确要求。如果某条技能要求导致暂停、请求确认或改变方向，模型应指出具体文件、引用相关要求，并区分文件的明确规定与自己的理解。

这样，用户能够找到行为背后的规则，定位原本不容易看见的冲突。

◆ （三）写作风格：指定结构、语言难度和措辞

Astra 默认倾向于详细、带格式的回答，也可能反复使用固定表达。应用需要怎样的文字，应当直接说明。

可以要求段落清楚简洁、每段围绕一个意思；在信息确实适合并列、排序或比较时使用列表；先说主要内容，再补必要解释。

技术表达应适应读者的知识基础，只保留帮助理解的细节。

措辞上，减少套话、含糊修饰和生造标签，直接说明动作与关系。这些要求共同决定回答怎样组织、读者需要多少背景知识，以及句子怎样表达。

◆ （四）子代理分工：调整并行协作的使用程度

Astra 经过拆分和委派任务的训练，但在某些流程中，分工频率可能低于预期。

对于已经实现多代理能力的运行环境，可以明确：工作能够并行拆分，且有助于节省时间或提高质量时，就通过协作工具委派任务。主代理和子代理都可以遵循这一要求，具体分工程度应适合所在系统。

代理之间的消息也应保持可读，注意语法和空格。协作过程可能由人查看，清楚的交流有助于理解各个代理的工作。

◆ （五）测试与验证：让检查与编程改动的需要相称

对于编程任务，Astra 往往会充分测试后才认为任务完成。小改动也可能触发超出需要的检查。

测试应具有实际验证价值，避免为可逆、影响较小的改动编写只重复实现逻辑的测试。与改动相适应的测试和必需检查仍应完成。

检查通过后，只有新的改动、测试失败或尚未解决的疑点，才构成扩大或重复测试的理由。这样，必要的验证有明确范围，追加检查也有依据。

■ 四、迁移要求：已有项目切换到 Astra 时要改什么

迁移需要同时处理两方面：调整与 Astra 不兼容的接口配置，并根据实际表现修订工作要求。

“迁移”是把已有项目切换到新模型，并调整不兼容的调用方式。下面保留参数名称，方便开发者与自己的配置对照。

◆ （一）借助 Codex 应用迁移建议

Codex 可以配合 OpenAI Docs 技能检查和调整项目，调用指令为 `$openai-docs migrate this project to GPT-6 Astra`。

其他 AI 编程代理也可以从 OpenAI 的技能仓库获取这一技能。

这项技能用于依据使用指南应用迁移建议，具体涉及下面的接口与配置变化。

◆ （二）接口与配置需要核对六项变化

模型名与推理强度。模型名设为 `gpt-6-astra`。原来使用 `none` 或 `minimal` 时，从 `low` 开始比较结果；其他情况保留当前有效的推理强度。

Responses API 使用 `reasoning.effort`，Chat Completions 使用 `reasoning_effort`。这一项对应的是模型选择与推理投入的兼容调整。

工具调用接口。 Astra 支持 Chat Completions，但工具调用需要 Responses API。选择接口时，需要同时核对模型支持情况和应用所需的工具能力。

不支持的参数。移除 `temperature`、`top_p`、`top_logprobs`。

Chat Completions 还要移除 `logprobs`；Responses 则从 `include` 中移除 `message.output_text.logprobs`。这些是旧请求中可能继续携带、但 Astra 不支持的设置。

Fast mode 与数据驻留。欧盟数据驻留下使用 Standard 处理，`service_tier` 不能设为 `fast` 或 `priority`。

此外，Astra 的 Fast mode 不包含延迟 SLA，即没有这项响应延迟的服务保证。这里需要同时核对处理方式和地区要求。

对话中的推理强度调整。标准单代理请求通过 `configuration_update` 更新强度，同时保持请求级别的 `reasoning.effort` 不变，以保留可用于缓存的原始提示词前缀。

采用这一功能前，需要查看兼容性限制。

提示缓存。从 GPT-5.5 或更早版本迁移时，用 `prompt_cache_options.ttl` 替代 `prompt_cache_retention`，值设为 `30m`。

还需要核对缓存边界和缓存写入计费的变化，因此这一项涉及配置名称与缓存规则两方面。

◆ （三）运行后的行为也需要按工作需求调整

迁移后，如果模型反复请求批准，可以检查自主执行要求是否明确，让它持续完成已经授权的工作。

指令遵循、写作风格、子代理分工和测试，也可以按照前面的建议调整。接口配置决定应用如何调用模型，工作要求则帮助模型以合适的方式完成任务。