我们没资格谈论那些，但我们获得了早期访问权限，并把它用在了我们能想到的每一个实际、真实的任务上。在消耗了超过 200 亿个 Astra token 之后，我们可以确认最令人惊讶的发现：GPT-6 Astra 属于一类新型模型1，它们本身就是完全合格的 AI 工程师。它们现在能帮助你选择并训练模型、标注数据（既帮你标注，又用你的标注进行主动学习，类似 SAM）、保持流水线饱和、埋点并读取日志、一次性部署和调试整个系统、分发并指挥和评估子代理（包括运行其他模型的代理），并在单个代理线程的数十亿 token 中保持连贯性。
每小时 6 美元这个数字可能听起来令人惊讶，但这正是我们在测试中看到的——在最高每百万 token 50 美元的费率下，每秒 33 个 token。鉴于 Astra 比 Sol 和 Fable 更节省 token（由 Artificial Analysis 独立确认），这通常意味着 Astra 同时还是你能买到的最好的快速且智能的模型（假设我们的预览延迟在正式发布时保持不变），Spark 1.3 除外。
管理子代理集群（单独调整、有界并发）
当然，如果你只是在 Ultra 上使用 Astra，你会烧掉远不止每小时 6 美元……因为它在并行化方面实在太强了。根据实际任务，我们经常并行扩展到 20-50 个代理，当然全部由一个主 Astra 代理管理。
监控自己的运行，启动和停止波次
这基本上就是你付钱让初级 AI 工程师做的事——照看运行、盯着数据、发现问题、修复、重新运行，如此循环往复。你可以花每天 200-1000 美元雇人，或者你可以花 100 美元雇 GPT-6 干两天来做这件事。
制作模型基准、处理预算、做估算、扩大运行规模、获取人工评分
因为当然，你需要所有这些能力来运行你自己的 AI 工程项目，因为当然，OpenAI 内部已经在用 GPT-6 做这件事……
或者你可以让 Astra 轻松搭建你自己的个人 Arena.ai 克隆，用于调整你的提示词、为你的任务挑选模型，或者对齐你自己的偏好模型！
你应该得出的总体结论是，OpenAI 显然训练出了一个能够自动化其自身大部分 AI 工程工作的模型，而现在是时候让你学会利用 Astra 和 Fable 级模型，并对你现在能用代理做什么抱有远远、远远更不合理的期望了。
我们正在 Grok、Fable 和其他类似的前沿模型上开展类似工作，但 OpenAI 在试用限制上最为慷慨，所以有了这篇报告——不过这里讨论的代理式编码模式很可能适用于所有此类 2026 年末的前沿模型。
这次测试的规模使这些发现尤其有用。管理子代理、监控实验以及在长期项目中保持连贯性的能力，感觉比任何单一基准都更重要。我仍然会在可靠完成工作的层面上比较成本，包括人工审查和运营风险，而不仅仅是模型运行时间。
让我犹豫的是 SaaS 替代那部分——构建你自己的 GitHub+Vercel 很有趣，直到写出它的模型发布了新版本，而你突然成了自己从未真正理解的代码的维护者。每小时 6 美元租的是工程师，但你最终拥有的代码库才是真正的订阅。