精选深读OpenAI19:00
GPT-6 Astra：面向工作的下一代智能
GPT-6 Astra: The next generation in intelligence for work
OpenAI商务场景旗舰模型，高级推理与电脑操作是亮点，但成本未披露需谨慎选型。
判断
选型负责人的问题从「能不能不用 API 接进遗留系统」变成「这批机器的内存够不够开并发」；延迟降 25 倍省下的时间，要先扣掉峰值内存涨约 30% 后被迫减少的并行路数再算。
依据
OpenAI 自己给的内部测试数字是延迟降低 25 倍、峰值内存增加约 30%；Hebbia 的评估说它遵循简报要求的程度比次优模型高 17%、引用文档正确率高 19%；Box 的测试记录自信但错误的表述减少超 10%。机制在于它不靠 API 就能操作日常应用，省掉的是把每个内部系统各包一层接口的工程步骤，被压缩的是整条任务链路。定价按 token（模型处理文本的计费单位）走：每百万输入 10 美元、输出 50 美元，但端到端总成本没有公布，OpenAI 只强调训练让单任务的 token 消耗和重试次数下降。
- 延迟（内部测试）降低25倍
- 峰值内存（内部测试）增加约30%
- 简报遵循度（Hebbia）高17%
- 引用正确率（Hebbia）高19%
没写清 材料没给峰值内存的绝对值，也没给单任务总成本，所以同机并发会掉几路、每任务实际花多少，都不能替它算出来。
下一步 在同一批财务或工程工作流上，记录上线前后的并发上限与每任务 token 消耗、重试次数，再对齐每百万输入 10 美元、输出 50 美元的单价核账。