GPT-6 Astra API

價格比較：官方 API、OpenRouter 與 Wokey

單位為每百萬 tokens 的 USD。官方 API 與 OpenRouter 價格於 2026-09-29 人工核對，未稅；Wokey 價格讀取自即時價目表。

核對日期：2026-09-29 · 官方價格頁 · OpenRouter 端點列表

GPT-6 Astra 重點一覽

發布日期

2026-09-03 開放給部分 API 組織與 Daybreak；09-04 起 ChatGPT Business、Pro 與 Plus 陸續開放，Enterprise 由管理員啟用。Pro、Business 與 Enterprise 另可使用 Astra Pro

定位

OpenAI 將它定位為「for our highest level of capability」。GPT-6 Sol（09-22 發布）鎖定高要求任務，GPT-6 Luna 鎖定大規模使用，OpenAI 表示 Astra 仍是全方位最強的模型

上下文與輸出

上下文 1,050,000（最大輸入 922K），最大輸出 128K；支援文字與圖片輸入、文字輸出；知識截止於 2026-04-30

Reasoning effort

low / medium / high / xhigh / max，沒有 none；用 configuration_update 項目可以在對話途中調整 effort，而不會破壞快取前綴

官方價格

每百萬 token 輸入 $10 / 輸出 $50，快取讀取 $1，快取寫入 $12.50；輸入超過 272K 的請求整個以輸入與快取 2 倍、輸出 1.5 倍計費（$20 / $2 / $25 / $75）；Batch 與 Flex 折扣 50%，Fast mode 為 2 倍

資安限制

OpenAI 依 Preparedness Framework 將它的資安能力評為 Critical。公開版模型會拒絕撰寫概念驗證漏洞利用程式，僅限安全程式碼審查與修補；完整能力透過 Daybreak 提供

Codex

Codex 新增上下文儲存與檢索：筆記可跨上下文視窗延續，先前的視窗也可搜尋。這是需手動開啟的實驗功能，之後會成為預設；ChatGPT 中的用量計入訂閱額度

模型 ID 與平台

gpt-6-astra（唯一的快照）；支援 Chat Completions、Responses 與 Batch，工具呼叫需要 Responses；也可在 AWS Bedrock 與 Microsoft Foundry 使用；Tier 1 上限為 500 RPM / 500K TPM

查核日期 2026-09-29 · 資料來源: OpenAI · Migration guide · Benchmarks (Anthropic)

官方跑分：GPT-6 Astra vs Opus 5.5 vs Fable 5.1 vs Opus 5

取自 Anthropic 的 Opus 5.5 發布頁，只保留列有 GPT-6 Astra 分數的跑分項目。均為廠商自行公布的結果，GPT-6 Astra 的分數由 OpenAI 公布。

這張表由 Anthropic 整理，跑分項目的選擇偏向 Claude 的強項。OpenAI 發布時公布的是另一組：FrontierMath Tier 4 為 98%，ARC-AGI-3 為 99.9%，ExploitBench 為 100%（GPT-5.6 Sol：78.5%），無法直接與本表比較。

該用哪個：GPT-6 Astra、Claude Opus 5.5 還是 GPT-6 Sol

對比 Claude Opus 5.5 / Fable 5.1

Opus 5.5 的官方價為 $4 / $20，是 Astra 的五分之二，在上表的 Terminal-Bench 4.0、GDPval-AA 與 Humanity’s Last Exam 上明顯領先；Astra 則在 AutomationBench 與 Terminal-Bench-Science 領先。在 Artificial Analysis 的 Intelligence Index 上，Opus 5.5 在 max 得到 58 分、每項任務 $5.98，Astra 得到 53 分、$3.26：Astra 每 token 較貴，但輸出 token 少得多，所以每項任務反而更便宜。Fable 5.1 與 Astra 同為 $10 / $50，分數同為 53，但每項任務 $7.63，是兩倍以上。

對比 GPT-6 Sol / Luna

GPT-6 Sol 的官方價為 $2 / $10，是 Astra 的五分之一，GPT-6 Luna 為 $0.10 / $0.50。在 Artificial Analysis 的 Intelligence Index 上，Sol 得到 48 分、每項任務 $1.06，Luna 得到 37 分、$0.07；在 Coding Agent Index 上，Astra 為 62，Sol 為 57，Luna 為 41。日常程式開發與一般代理工作先用 Sol，遇到 Sol 解決不了的問題再改用 Astra；大量分類與擷取用 Luna。

如何選擇 effort

Artificial Analysis 實測 low 得到 46 分、每項任務 $0.82，medium 為 50 分、$1.54，high 為 51 分、$1.73，max 為 53 分、$3.26，每個等級都在成本與分數的前緣上。先從 medium 開始：high 多花約 12% 只多 1 分，max 花兩倍以上只多 3 分。遷移時把 none 換成 low，minimal 則從 low 開始評估。

OpenAI 遷移指南

第三方與社群評測

• Artificial Analysis: max 下的 Intelligence Index 為 53，與 Fable 5.1 並列第一，比 GPT-5.6 Sol 高 6 分；每項任務 $3.26，約為 Fable 5.1 的 $7.63 的 40%，比 GPT-5.6 Sol 貴約 60%。每項任務約輸出 27K token，是 Fable 5.1 的 78K 的三分之一。Coding Agent Index 為 62，與 Fable 5.1 持平，領先 Opus 5（60）與 GPT-5.6 Sol（55），每項任務 $7.09，比 Fable 5.1 便宜約 40%，比 Opus 5 便宜 30%。AA-Omniscience 幻覺率從 GPT-5.6 Sol 的 92% 降到 51%。在 GDPval-AA 上落後 GPT-5.6 Sol 約 45 Elo，但每項任務只需 24 個回合，GPT-5.6 Sol 需要 45 個，Fable 5.1 與 Opus 5 需要 60 個。Wokey 每個計費項目都是官方價格的 6%，同樣的任務在 max 下約為 $0.18，在 medium 下約為 $0.08。
• OpenAI 系統卡與安全測試: 在沒有確認政策的代理型測試中，3.4% 的執行出現未對齊的結果，GPT-5.6 Sol 為 18.8%；Gray Swan 的間接提示詞注入攻擊成功率為 8.5%，GPT-5.6 Sol 為 27.0%。ExploitBench 得到 100% 讓 OpenAI 首次將模型的資安能力評為 Critical；公開版模型僅限安全程式碼審查與修補，Daybreak 的使用權限之後會擴大。以上數據由 OpenAI 公布。
• Hacker News（2,279 分的討論串）: 一位外部 Codex 測試者稱它是「grounded collaborator and executor」，不會做你沒要求的事。也有人覺得 Fable 更會推測意圖，Astra 需要非常具體的指示；但也有人喜歡它不會把問題當成指令。正式開放後，留言者回報用量消耗速度約為 GPT-5.6 Sol 的 2.5 倍，有人 15 則訊息就用完 5 小時額度。

從 GPT-5.6 Sol 與舊模型遷移：要移除的參數與行為變更

以下變更來自 OpenAI 的模型頁與最新模型指南。把模型切換為 gpt-6-astra 之前，請先檢查請求參數、快取設定、工具呼叫與提示詞。

• 移除 temperature、top_p 與 top_logprobs；在 Chat Completions 中也要移除 logprobs，在 Responses 中則從 include 拿掉 message.output_text.logprobs。Astra 自行控制取樣策略，會拒絕帶有這些欄位的請求。透過 Wokey 時，閘道會在轉發前移除 temperature、top_p、top_logprobs 與 logprobs。
• reasoning.effort 不接受 none：請把 none 換成 low，minimal 則從 low 開始評估。透過 Wokey 時，none 與 minimal 會自動對應為 low，請求不會失敗。
• Chat Completions 可以呼叫 Astra，但工具呼叫需要 Responses，因此使用工具的代理請改用 /v1/responses。透過 Wokey 時，Chat Completions 請求會在轉發前轉換為 Responses，所以帶工具的 Chat 請求也能運作。
• 快取：把 prompt_cache_retention 換成 prompt_cache_options.ttl: "30m"；要在對話途中調整 effort，請送出 configuration_update 項目，而不是修改先前的輸入，這樣快取前綴才會保持有效。
• 輸入超過 272K token 時，整個請求的輸入與快取以 2 倍、輸出以 1.5 倍計費，長上下文的成本會突然暴增；壓縮或檢索可以讓輸入維持在 272K 以下。透過 Wokey 則沒有分級，整個 1M 上下文都以同一價格計費。
• 行為變更：它會提出釐清問題並暫停等待確認，較少委派工作、測試範圍更廣；格式更詳細，用語會重複。它對技能與上下文檔案更敏感，因此 OpenAI 建議檢查現有技能，把它們精簡為最小化的路由器，因為過於具體的指引可能反而限制它的表現。
• 資安相關請求：公開版模型會拒絕撰寫概念驗證漏洞利用程式，因此滲透測試與漏洞重現任務可能會直接被拒絕，安全程式碼審查與修補則正常運作。完整能力需要 Daybreak 使用權限。
• 在 Codex 中執行 $openai-docs migrate this project to GPT-6 Astra，即可依官方檢查清單更新專案。Fast mode 沒有延遲 SLA，EU 資料落地只支援 Standard 處理。

遷移後的請求內容（/v1/responses）

{
  "model": "gpt-6-astra",
  "reasoning": { "effort": "medium" },
  "input": [{ "role": "user", "content": "Find and fix the flaky test in this repo" }]
}

目錄價格快照

價格以每 1M tokens 計；結算以請求當下的價格為準。

官方價格來源: https://developers.openai.com/api/docs/models/gpt-6-astra

在 Wokey 實測

近 28 天（2026-10-13 至 2026-11-09），每週一更新 · 200+ 個帳號的真實請求

短提示首字延遲

5.3 秒 (中位數 · 輸入 < 8K tokens · p90 19 秒)

Agent 規模首字延遲

11 秒 (中位數 · 輸入 32K–128K tokens)

提示快取命中率

90% (快取讀取占輸入 tokens 的比例)

主要用戶端: Codex 72%, DeepSeek Harness 12%, WorkBuddy 6%. 占已識別用戶端請求的比例；68% 的請求能識別出用戶端.

計算方式

首字延遲從 Wokey 閘道收到請求開始計時，到第一段串流內容（正文、推理摘要或拒答）為止，包含排隊、換帳號重試和模型的思考時間，所以會比上游本身的首字延遲長。只統計成功的串流請求，並依提示長度（輸入 + 快取讀寫）分級。

快取命中率 = 快取讀取 tokens ÷ 輸入 tokens，只統計成功請求；它取決於用戶端和使用方式，各用戶端的差異請見快取命中率實測頁。

不含企業客戶和 Wokey 自己的測試帳號。一個模型近 28 天至少有 20 個使用者，且單一使用者的請求不超過 50% 才會顯示，透過同一條推薦鏈註冊的帳號合併算作一個使用者；每一級首字延遲至少需要 500 次請求。

各用戶端快取命中率

模型能力

Context

1,050,000 tokens

最大輸出

128,000 tokens

Streaming

支援

Tools

支援

Vision

支援

支援的 API 格式

/v1/chat/completions · /v1/responses

傳送請求

/v1/chat/completions

curl https://api.wokey.ai/v1/chat/completions \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-6-astra","messages":[{"role":"user","content":"Hello"}]}'

/v1/responses

curl https://api.wokey.ai/v1/responses \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-6-astra","input":"Hello"}'

在用戶端中使用 GPT-6 Astra

閘道位址是 https://api.wokey.ai（OpenAI 相容用戶端通常寫成 https://api.wokey.ai/v1），模型 ID 填 gpt-6-astra。請依你使用的用戶端開啟對應的串接文件。

• 在 Codex 中使用 GPT-6 Astra: OpenAI Responses · Base URL 與 API 金鑰設定
• 在 opencode 中使用 GPT-6 Astra: OpenAI Chat Completions · Base URL 與 API 金鑰設定
• 在 DeepSeek Harness 中使用 GPT-6 Astra: OpenAI Chat Completions · Base URL 與 API 金鑰設定
• 在 Cherry Studio 中使用 GPT-6 Astra: OpenAI Chat Completions · Base URL 與 API 金鑰設定
• 在 WorkBuddy 中使用 GPT-6 Astra: OpenAI Chat Completions · Base URL 與 API 金鑰設定
• 在 OpenClaw 中使用 GPT-6 Astra: OpenAI Chat Completions · Base URL 與 API 金鑰設定
• 在 Hermes Agent 中使用 GPT-6 Astra: OpenAI Chat Completions · Base URL 與 API 金鑰設定
• 在 Magpie 中使用 GPT-6 Astra: OpenAI Chat Completions · Base URL 與 API 金鑰設定
• GPT API 費用試算：GPT-6 Astra 每月要花多少: 依每月用量與快取命中率，比較 OpenAI API 與 Wokey 的月費。
• OpenRouter 替代方案：Wokey 與 OpenRouter 比較: 比較 token 價格、付款手續費、API 形式與上游來源。
• 可驗證 AI API：檢查 GPT-6 Astra 回應是否來自官方上游: 哪些回應帶有 tee.proof 證明，證明能說明什麼、不能說明什麼。
• 線上驗證 GPT-6 Astra 回應：AI API relay 檢測工具: 將帶有 tee.proof 的回應貼上，在瀏覽器本機驗證，資料不會上傳。

正式環境呼叫範例

這些用量數值來自一次已完成的 GPT-6 Astra 呼叫，首次嘗試即成功，並已與帳單核對。

輸入總量

675347

輸出

669

輸入的快取占比

99.1%

呼叫耗時

23.74 s

Responses usage

根據計費記錄整理成 API 欄位範例；input_tokens 為輸入總量，已包含快取的 tokens。

{
  "model": "gpt-6-astra",
  "usage": {
    "input_tokens": 675347,
    "input_tokens_details": {
      "cached_tokens": 669312
    },
    "output_tokens": 669,
    "total_tokens": 676016
  }
}

Token 對帳

這些是這次呼叫記錄的每百萬 token 最終單價。

計費金額

$0.068680

費用 = Σ（tokens × 對應單價）÷ 1,000,000，加總後四捨五入到小數點後六位。

這次呼叫的來源

這次呼叫由 OpenAI 管道提供，出口記錄指向 chatgpt.com，使用 OAuth 授權；用量由上游計量，回傳 HTTP 200。

驗證 Prompt Cache

1. 保持長提示詞的共同前綴一致，依所選 API 的快取規則重複使用上下文。
2. 檢查 input_tokens_details.cached_tokens；數值為 0 表示這次呼叫沒有記錄快取讀取。
3. 一般輸入 = input_tokens − 快取的 tokens；各項分別乘以對應單價，再加上輸出費用。

常見問題

相關模型與文件

• GPT-6 Sol
• GPT-6 Luna
• GPT-6.1 Sol
• GPT-6.1 Terra
• API 文件
• 全部模型與價格
• Provider Node