OpenAI 发布了 GPT-6 Astra 的官方开发指南。这次更新的重点不只是模型能力提升，还包括 Agent 运行时的几项结构性变化：工具执行时可以继续推理，用户可以在任务中途改变要求，推理强度可以在不破坏缓存前缀的情况下动态调整。
官方将 Astra 定位为当前最智能的模型，重点覆盖 Computer Use、浏览、软件工程、科学与专业工作，尤其擅长跨代码、浏览器和专业软件完成多步骤流程。OpenAI 的评测显示，它在多项任务中用更少的输出 Token 得到更强结果；虽然单 Token 价格更高，估算的单任务 API 成本仍可能低于早期模型。
Astra 也更强调任务边界与透明沟通。遇到可以从上下文补齐的常规空缺时，它会自行推进；如果缺失信息可能改变结果，则会提出更聚焦的问题。它还能在任务进行中接收新要求、改变方向，并在回答插入问题后继续保持主任务上下文。
#四项新能力改变 Agent 的运行方式
第一项是 Async Tool Calling。过去，模型调用一个耗时工具后通常要等待结果返回。Astra 可以在工具运行期间继续推理、调用其他工具，或先处理请求中不依赖该结果的部分。应用仍然负责真正执行工具和管理等待状态，随后用原始 Call ID 把结果交还给模型。
这让 Agent 工作流不必再完全串行。文件转换、远程查询或长时间计算在后台运行时，模型可以继续做独立分析。但应用也要处理更多并发状态：哪些调用仍在等待，哪些后续步骤依赖它，以及结果回来时如何恢复任务。
第二项是 Mid-turn Steering。通过 WebSocket，用户可以在 Astra 工作期间发送纠正或新增要求。Responses API 会保留已完成工作，并把新指令放进后续 Continuation。长任务不必因为需求变化而整轮取消重来。
第三项是动态调整推理强度。应用可以在对话中加入 Configuration Update，让困难步骤使用更多推理，常规后续降低强度。更新会持续生效，直到下一次配置覆盖，而且不需要重写原始 Prompt 前缀，因此可以继续利用缓存。
第四项是 Misalignment Monitoring。OpenAI 的系统会异步监测 Astra 的潜在目标偏移，并在必要时触发警报。这属于模型强化安全机制的一部分，开发者仍需结合自身业务设计权限、审批和结果验证。
#原有 Agent 能力继续保留
Astra 延续了 GPT-5.6 已支持的 Computer Use、Structured Outputs、Streaming、Programmatic Tool Calling、多 Agent 编排、Prompt Caching、Persisted Reasoning、Compaction 和 Pro Mode。
这意味着现有 Agent 架构不必从头重建，但迁移也不能只替换模型名称。异步工具、动态推理和中途干预会改变应用如何调度任务与维护状态，旧 Prompt 和 API 参数还需要逐项检查。
#Astra 更谨慎，也可能更早停下来询问
官方指出，Astra 比 GPT-5.6 Sol 和更早模型更能在长任务中保持连贯，但也更容易在额外信息可能影响结果时请求澄清。对需要高自主性的场景，Prompt 应明确要求模型从已有上下文推断意图，在可逆、已授权的范围内持续推进，直到目标真正完成。
如果用户的表达已经隐含行动请求，也应说明不要只确认“可以做”、给出计划或停在第一版结果。需要人工批准时，模型可以先完成所有已授权的准备工作，拿出具体、可审阅的结果，再把真正需要决定的最后一步交给用户。
这种 Prompt 的重点不是无条件扩大权限，而是把行动范围、不可逆边界和完成标准说清楚。Astra 对边界更敏感，含糊或互相冲突的规则可能让它提前阻塞。
#Skill 和 AGENTS.md 需要重新审计
Astra 的指令遵循能力更强，也更容易受到 Skill、AGENTS.md 和其他上下文文件影响。官方明确建议审计模型可访问的这些文件。
项目应说明用户指令与 Skill 规则之间的优先级，并要求模型在某项 Skill 导致它暂停、偏离任务或请求额外许可时，指出具体规则和影响。这样才能找到那些平时不会暴露、但会悄悄改变行为的冲突指令。
同样一条遗留规则，在较早模型上可能只是温和提醒，在 Astra 上可能成为严格停止条件。迁移评估不仅要测输出质量，还要观察任务是否在预期位置继续或暂停。
#写作风格、委派和测试都应显式校准
Astra 默认倾向于详细、格式化的回答，也可能在不同会话中反复使用固定短语。对面向用户的产品，开发者应明确需要的篇幅、结构和语言风格，例如要求每段只表达一个主要观点，减少不必要的列表和嵌套层级，并优先使用主动、直接的表达。
在多 Agent 系统中，Astra 可能比工作流预期更少主动委派。需要并行子任务时，应明确什么场景可以拆分、希望使用多少子 Agent，以及消息需要达到怎样的可读性。
它在 Coding 任务中还倾向于进行充分测试。这个特征提高了完成质量，但对低风险小改动可能造成过度验证。更合适的规则是运行与变更相称的测试；必要检查通过后，只有出现新修改、失败或未解决风险时才扩大范围或重复执行。
#迁移不能只改模型 ID
API 中使用 Astra 时，模型 ID 是 gpt-6-astra，官方推荐通过 Responses API 构建工具调用流程。Chat Completions 仍可使用 Astra，但工具调用需要 Responses API。
迁移时还要逐项检查以下兼容性：
- Astra 不支持
none推理强度。原来使用none或minimal的应用，可以从low开始比较；其他应用先保持当前有效强度。 temperature、top_p和top_logprobs不再支持；Chat Completions 还要移除logprobs，Responses 的 Include 中也不能再请求对应 Logprobs。- EU Data Residency 下不能使用 Astra Fast Mode，需要选择 Standard Processing；该模型的 Fast Mode 本身也没有延迟 SLA。
- 单 Agent 标准请求如果需要切换推理强度，应使用 Configuration Update，同时保持请求级 Reasoning Effort 不变，以维持 Prompt 前缀缓存。
- 从 GPT-5.5 或更早模型迁移时，Prompt Cache Retention 要改为新的 Prompt Cache Options，并将 TTL 设为 30 分钟，同时重新理解缓存边界和写入计费。
- 如果模型频繁在无需批准的步骤停下，应结合官方的 Initiative and Follow-through 指南调整自主性 Prompt。
这些变化说明，Astra 是一次模型与运行协议同时升级。最稳妥的迁移方式，是用真实任务重新评估工具调度、长任务干预、指令冲突、测试范围和缓存行为，再决定哪些旧参数与旧 Prompt 可以删除。