大家好，我是孟健。

GPT‑6 价格翻两番，代码成本未必涨？

OpenAI 最新发布的 GPT‑Astra，其 API 单价是前代 Sol 的 2.5 倍。但在实际编码任务中，使用 Astra 并不大概率会导致成本飙升。

Artificial Analysis在 9 月 3 日的 Coding Agent Index 评测发现：Astra Max 在 Codex 编码 agent 基准中。仅用了 Sol Max 三分之一的 tokens，任务成本约与前代持平，评分还高了 2 分。

这并非账单承诺，而是特定测试 harness 的观察。AA 在 v4.1 的综合任务集中显示，同档成本增加了 七十五成上下。我进一步补测了两类真实产品模块，Astra 都和请求控制的防线缺口。

拆解单价倍增与 token 计费的关系

GPT‑Astra 的 API 标准价为：输入每百万 token $10，输出 $50。相比前代 GPT‑Sol 的 $4 和 $20，单价确实是 2.5 倍。这是调用 API 的费用，而非 ChatGPT 或 Codex 订阅价。

OpenAI 官方对 GPT‑Astra 的定位：复杂推理、编码、computer use 等端到端工作。

Token 是模型处理文本的基本单位。每次调用时输入和输出按 token 计费；缓存命中的输入 token 会计费更低。提示越长、返回内容越多，消耗的 token 就越多，自然账单也更高。

AA 在评测中发现：Astra Max 在 Codex 中仅用了 Sol Max 三分之一的 tokens。但这并不代表着所有场景都省 token。编码 agent 基准有特定工具链和评分逻辑，会影响 token 消耗模式。输入、输出、缓存的计费权重不同，不能简单用“token 降至三分之一 × 单价提高至二倍”来推算成本。AA 实际统计显示任务成本约与 Sol Max 持平。这是一种观察结果，而非公式必然推导。

聚焦编码 agent 基准时成本约持平

AA 的 Coding Agent Index 是一个特定 harness，有自己的工具链和评分逻辑。在该基准中，Astra 在 Codex 上得分 67。而 Claude Fable .1 在 Claude Code 上得分 70。不同工具壳不等同裸模型公平横评，但可以观察相对表现。

Astral 在 Codex 得分 67，仅用了 Sol Max 三分之一 tokens；任务成本约与 Sol Max 相同且评分高两分。

从主要是来看。在这个特定评测中，Astra 用量显著下降，却实现了同等或更好的性能。这可能归因于更精准的推理、更少的工具调用轮次、更短的中间输出等。只是这种效率有边界——在端到端完整编码任务过程中，token 消耗取决于模型精准度和工具链设计。如果换成你自己的工具链或数据库查询，则省 token 的前提可能失效。

别拿编码收益外推全任务

同一天 AA 更新了旧版 Intelligence v4..1 的数据。在综合评测中，Astra Max 相比 Sol Max 输出 token 少了约10%。 但每任务成本却上涨了 75%。单价提高到二倍，只省十个百分点 token，却导致整体费用上升。

9 月 4 日 AA 已更新到 v4，在新版综合指数中 Astra 高于 Sol 高出四分。v4.2 去除了饱和 GPQA，并加入 AA-Briefcase 与 GDP.pdf 两个新基准。其中 GDP.pdf 是跨100份 PDF、4592 页专业材料、1275 项专家原子标准的严格文档任务，全项通过率才是衡量标准——一项未满足则整任务算作未通过。

Astral 在 GDP.pdf 全项通过率为33%，Sol 为28%。

这表明即使在文档处理方面 Astral 有所优势，但整体通用任务仍可能出现显著成本上涨。若你的工作主要是深度推理而非大量文本交互，那么额外花的钱可能无法获得对应价值。

把业界判断放进真实产品验证

为检验实战效果，我拿 ShipSite 和 ShipSolo 两个固定源码做了实测。在已有调用逻辑和约束条件下我观察模型交付能否，不涉及线上会员或部署操作。

• ShipSite 截图模块：
  • 最多三个页面并发，总预算有限制；不过，请求期限到了时浏览器实例可能刚创建完成。即使 Promise.race 已返回，也需要处理未取消资源；模型需给出可用错误处理方案。
  • Astra High 首稿通过全部15/15行为验收；Flash Low 一样通过。
  • Astra High 在 ShipSite 行为测试完全通过但未体现旗舰独占优势。其实，
• ShipSolo 后台统计模块：
  • ID 区分上游地址/凭据/查询。同 key 并发合并一次回源，各调用者返回对象独立、不受污染。
  • Astra High 首稿行为36/36且独立 TypeScript 通过；Flash Low 一样通过。
  • Astra Flash High 第二轮也成功，但代码产物完整度略差。话说回来，
• • Astra High 首稿及 Flash Low 对 HTTP200 响应但 JSON 损坏时均拒绝四个调用者。并及时回源，说起来，对于仅含 error 字段但无 results 时则缓存错误对象。下次正常响应后仍返回坏对象—这说明缺乏完整业务验证层面防线。

综上。两类源码测试表明 Astra 能完成常见业务需求，但在复杂场景下仍需进一步验证其鲁棒性与安全性。若你正在考虑将 AI 编程投入生产，请先以真实工作负载进行小范围试点，再决定是否全面推广.

建议按任务路由不要全部顶配

1. Select right model for job: If your task is a straightforward “copy-paste” or “template filling”。a cheaper model may suffice.
2. Poorly defined or high-failure-cost tasks: For complex reasoning or multi-step code generation,start with a high-tier model,but still validate with real scenarios before fully committing.
3. Crossover zone: Use a low-tier model first;if it fails,n upgrade.
4. Mimic your production workload: Run pilot tests on representative tasks to see where cost savings truly materialize.
5. Sacrifice budget wisely: Invest in verification and monitoring rar than blind scaling.

参考资料这方面。

👋 我是孟健——前腾讯 T11 / 前字节技术 Leader，现在全职做 AI 编程。不过，

🔥 更多 AI 编程实战：


- GitHub：@mengjian-github

- 专栏：AI 编程实战 



想支持？点赞+收藏  ，=>  ，最大支持 🙏🏻️️️️️️️️️️🧠💻🚀🌐⚡📈🔥🛠🤖🗂🎯🧩📚🧪👨‍💻💡⏱⌛📊💬🌟🛠🔑🔎🌈🤝🌐👀✅💬🚀🔬⚙️🎉🙌🏻👏🏻😎✨⭐🥇🏆🎖🏅🎁🥂🍾🍹🥃🥤☕🍵☕🍶🥢🥘🍜🍱🍛🍣🥗🥑🍓🍒🐟🐠🐡🐟🐬🐳🐋🐢🏝🏖🏜🏞🗺🌄🏔山丘河湖海风雪雾雨阳光星辰宇宙星系空间时间永恒永远无限无尽未来现在此刻人生世界人类文明科技创新进步革命变革突破成长发展繁荣兴旺富足富裕繁华光辉辉煌灿烂闪耀光芒闪耀光辉荣耀胜利凯旋冠军大赛奖杯奖章优胜者冠军荣耀王者霸主天下天下万物之主领袖统治帝王君王国王女王皇后公主王子皇帝天子君主至尊天帝大帝之神之神之神之神之神之神…"