GPT-6 Astra 定价：为什么三种不同价格都是正确的，以及一项任务真正要花多少钱

先说结论： GPT-6 Astra在 Ope​nAI 标准层级的价格是每百万输入 token 10.00 美元、每百万缓存输入 1.00 美元、每百万输出 token 50.00 美元。这是 Ope​nAI 自家的标价，读取自 Ope​nAI 自家的定价页面，时间为2026 年 9 月 16 日——这个日期很重要，因为该模型在不同时间点的定价并不相同，而读者总会碰到那些别的数字。GPT-6 Astra本身于2026 年 9 月 3 日发布，比本页早十三天。这不是一篇上线报道，也不是一篇公告；它是这款模型的参考页面，而这款模型如今已全面可用，并且截至本周已全面部署。GPT-5.6 Sol在下方是作为 Astra 售价所处的价格基准出现的，而非本文的主角。

价目表之所以需要占满整整一页，是因为流传在外的数字彼此对不上。搜一下这个模型的价格，你会找到 OpenAI 的 $10/$50、$5/$25 的批量价、Azure 同时给出的 $10/$50 和 $11/$55，还有至少一个端点标价 $20/$100。这些都不是笔误，也不是标价被悄悄改动了。它们对应的是不同的服务层级和不同的经销商，而能不能把它们区分开，就是做预算和瞎猜之间的差别。

费率卡，每一行都标注清楚并注明日期

本节中的所有内容均摘自 Ope​nAI 自己的 API 定价和模型文档，日期为 2026 年 9 月 16 日。如果某个数字来自其他任何人，包含它的句子会说明这一点。

• 标准档，请求的输入 token 不超过 272,000 个 — 每 100 万输入 token 收费 $10.00，每 100 万缓存输入 token 收费 $1.00，每 100 万缓存写入收费 $12.50，每 100 万输出 token 收费 $50.00（Ope​nAI 官方定价表，读取于 2026-09-16）。

• 缓存写入这一行是真实存在的，而人们常常忽略它——你第一次发送某个前缀时，这属于一次写入，按每 1M 收费 $12.50，而不是按 $1.00 的读取计费。缓存写入按标准输入价格的 1.25 倍计费。

• 标准，输入超过 272,000 个 token 的请求 — 每 1M 输入 $20.00，缓存输入 $2.00，缓存写入 $25.00，输出 $75.00。整个请求都会重新计价，而不只是超过该分界线的那些 token（Ope​nAI 自己的定价表，读取于 2026-09-16）。

• Batch 和 Flex —— 标准价格的一半：每 1M 输入 $5.00、缓存输入 $0.50、缓存写入 $6.25、输出 $25.00（OpenAI 自家定价表，读取于 2026-09-16）。输入超过 272K 时，Batch 费率为 $10.00 / $1.00 / $12.50 / $37.50。

• 快速模式——双重标准：每 100 万输入 $20.00、缓存输入 $2.00、缓存写入 $25.00、输出 $100.00（Ope​nAI 自家定价表，读取于 2026-09-16）。

• 决定账单的模型规格 — 上下文窗口 1,050,000 tokens，最大输入 922,000，最大输出 128,000，知识截止日期 2026-04-30，支持推理 token：是，推理强度取值 low / medium / high / xhigh / max（Ope​nAI 自家模型文档，查阅于 2026-09-16）。

如果你想听一句话版本：在标准层级上，一个输入 token 数不超过 272K 的请求，输入每百万 $10、输出每百万 $50，缓存读取是输入费率的十分之一，而本文其余内容要么是为接受更慢的处理而给的折扣，要么是越过某个阈值而加收的费用。

为什么你会看到不同的数字，以及哪个是哪个

有五种不同的情况会产生不是 $10/$50 的报价。其中四种我们可以归因于文档；另一种则不能，我们会如实说明，而不是猜测。

$5/$25 是批量处理层级的价格，也是 OpenAI 自己的定价。这不是经销商折扣，也不是协商的企业费率。OpenAI 的定价页面将批量处理列为标准费率的一半，Astra 批量那一行显示输入 $5.00、输出 $25.00。如果某个来源向你报出 $5/$25，仿佛这是另一个模型的价格，那其实是同一个模型、同一套权重，只是排在较慢的队列上。对于过夜评估运行，批量是正确答案；对于任何交互式用途，则是错误答案。

$11/$55 正好是标价上浮 10%，而 Ope​nAI 的文档也说明了 residency 端点存在 10% 的上浮。 Ope​nAI 的定价页面指出，对于 2026 年 3 月 5 日及之后发布的模型，residency 端点会收取 10% 的上浮费用。GPT-6 Astra 发布于 2026 年 9 月 3 日，因此符合条件。将标价乘以 1.1，得到的正是 $11.00 和 $55.00，精确到分。这就很好地解释了那个更高的 Azure 式报价从何而来——一个受 residency 约束的端点经过了有据可查的上浮，而不是经销商凭空加价。对于这一论断的边界，我们应当表述精确：该上浮由 Ope​nAI 记录在案，算术也完全吻合，但我们所看到的那条具体 Azure 挂牌信息本身并未声明它是 residency 端点。应把它当作最有可能的解释，而非已确认的解释。

$20/$100 是 OpenAI 针对该模型的 Fast 模式费率。 这是看起来最像虚假数字、实际却最不虚假的一个。Fast 模式会让每一行都翻倍，而 Astra 的标准 Fast 行是每 1M 输入 $20.00、输出 $100.00。某个端点报出 $20/$100，报的是不同的服务层级——优先处理——而不是不同的标价，也不是不同的模型。如果你在 Astra 的名字旁边看到这个数字，该问的问题是哪一档处理层级，而不是哪家供应商。

低于目录价的价格确实存在，但那是别人的利润空间。第三方网关和经销商以低于目录价的价格宣传 Astra。有一家网关公开挂出的价格比 Ope​nAI 的费率低约 20%。那是该运营商的商业决策，而非 Ope​nAI 的价格变动——并且它附带该运营商自行适用的任何数据处理与可靠性条款。我们不会点名他们，也不会把他们的折扣算作关于该模型价格的证据，因为那是关于他们自身业务的证据，而不是关于 Ope​nAI 价目表的证据。

我们未能核实的内容。 我们看到一份路由器列表将模型标为 gpt-6-astra，批量层级为 $5/$25，并带有一个形如 ~openai/gpt-astra-latest 的变动别名。该批量数字与 Ope​nAI 自家页面相符。该别名是网关层面的构造：Ope​nAI 的模型文档在快照项下仅列出一条条目，就是裸的 gpt-6-astra，没有带日期的形式，也没有 -latest 别名。不要把网关别名当作供应商已发布的内容写进配置。另外，我们没有找到 Ope​nAI 关于任何单独定价的“Astra Pro”“Astra-Medium”或类似层级的文档。“Pro”出现在 ChatGPT 套餐命名中，而非 API 价目表里，而路由器列表并不是供应商文档。如果你需要确认某个层级，请在 Ope​nAI 自家页面上确认。

Astra 与 OpenAI 费率表其余部分的对比

价格只有在同一张卡上的其他选项旁边才有意义。这些都是 Ope​nAI 自家的标准费率，均读取于 2026 年 9 月 16 日，均按每百万 token 计算，且均适用于 272K 及以下的输入。

• GPT-6 Astra — 输入 $10.00 / 缓存 $1.00 / 写入 $12.50 / 输出 $50.00。

• GPT-5.6 Sol — 输入 $4.00 / 缓存 $0.40 / 写入 $5.00 / 输出 $20.00。

• GPT-5.6 Terra — 输入 $2.00 / 缓存 $0.20 / 写入 $2.50 / 输出 $12.00。

• GPT-5.6 Luna — 输入 $0.20 / 缓存 $0.02 / 写入 $0.25 / 输出 $1.20。

• 长上下文版本——Astra $20.00 / $2.00 / $25.00 / $75.00；Sol $8.00 / $0.80 / $10.00 / $30.00；Terra $4.00 / $0.40 / $5.00 / $18.00；Luna $0.40 / $0.04 / $0.50 / $1.80。

那张表格底下还藏着一项促销活动，而正是它决定了大家争来争去的那个倍数。Ope​nAI 的定价页面指出，GPT-5.6 Sol 的促销定价至少会持续到 2026 年 11 月 21 日。对照今天仍然生效的促销费率来看，Astra 在每一行上都是 Sol 的 2.5 倍——输入 2.5 倍、缓存输入 2.5 倍、输出 2.5 倍。而对照 Sol 非促销价的 5.00 美元输入、30.00 美元输出，Astra 的输入是 2 倍，输出约为 1.67 倍。这两个倍数在算术上都成立，描述的也是同一天、同样这两个模型。差别完全在于你把 Sol 的哪个费率当作分母；而对“Astra 是 Sol 的 2.5 倍吗？”这个问题，诚实的答案是：是的，直到 2026 年 11 月 21 日，或者 Ope​nAI 结束这项促销为止，以先到者为准。

我们之所以详细阐述这一点，是因为这是关于该模型的报道中最常见的错误，包括在本博客上也是如此。一个按代币计算的倍数，如果悄悄选取了某个 Sol 汇率却不说明是哪一个，那就不是关于 Astra 的事实。而是关于这句话写于何时的事实。

按任务计费，而非按令牌计费

OpenAI 自己的说法是，拿这个模型的 token 价格来做比较是比错了，因为 Astra 的设计目标就是用更少的 token、更少的重试来完成长周期工作。这个说法值得认真对待，不能只是复述，而要实际算一算。所以下面给出一个演算示例，并事先列明假设，方便你按自己的工作负载进行修改。

工作负载：一次包含 200 次调用的 agent 运行，其形态类似于一次通宵迁移。每次调用携带 10,000 个输入 token，其中 8,000 个为缓存读取、2,000 个为全新输入，并产生 500 个输出 token。整个运行下来，即 400,000 个全新输入 token、1,600,000 个缓存输入 token 和 100,000 个输出 token，另加一次 10,000 token 的缓存写入来播种前缀。标准层级，每次请求低于 272K，因此不适用长上下文附加费。

• GPT-6 Astra — 未缓存 0.4M × $10.00 = $4.00；缓存 1.6M × $1.00 = $1.60；写入 0.01M × $12.50 = $0.13；输出 0.1M × $50.00 = $5.00。总计 $10.73。

• GPT-5.6 Sol 促销价 — 未缓存 $1.60；缓存 $0.64；写入 $0.05；输出 $2.00。总计 $4.29。

• GPT-5.6 Sol 按非促销价格计费 — 新增 $2.00；缓存 $0.80；写入 $0.06；输出 $3.00。 总计 $5.86。

• GPT-5.6 Terra — 未缓存 $0.80；缓存 $0.32；写入 $0.03；输出 $1.20。总计 $2.35。

• GPT-5.6 Luna — 全新 $0.08；缓存 $0.03；写入 $0.00；输出 $0.12。合计 $0.23。

在 token 数量相同的情况下，那么 Astra 大约是 Luna 的 46 倍，是 Terra 的 4.6 倍。没人会买 Luna 去做 Astra 量级的工作，而那条脚注正是这两个模型之间按 token 成本比较纯属演戏的全部原因。与 Sol 的比较才是能决定事情的那个，所以下面就是真正重要的数字。

盈亏平衡点是 40%。因为在 Sol 的促销费率下，Astra 在每一项上都恰好是 Sol 的 2.5 倍，所以 Astra 在同一任务中可以消耗多达 Sol 令牌量的 40%，却仍然得到相同的账单——而且这对全新输入、缓存输入和输出的任意组合都成立，因为这一比率是统一的。如果 Astra 使用的令牌量是 Sol 的三分之一，它会更便宜；如果用的是一半，它就更贵。相对于 Sol 的非促销费率，在这种缓存占比较高的组合下，盈亏平衡点放宽到约 55%，因为 Astra 的输出倍数降至 1.67 倍，而输入倍数降至 2 倍。

那个单一数字才是有用的，而正是在这里，厂商宣称与独立测量不再一致。Ope​nAI 报告称，在 Terminal-Bench 4.0 上，Astra 为 57.9%，相比之下 GPT-5.6 Sol 为 37.3%，每项任务的估计 API 成本约低 9%——厂商报告。Artificial Analysis 在 2026 年 9 月 9 日发布的一项独立评估中，在其 Coding Agent Index 上测得 Astra 每项任务使用的 token 约为 Sol 的三分之一，但仍发现 Astra 在最高努力档位下每项任务为 7.09 美元——比 Sol（max）高出约 15%——而得分高出 7 分。在其 Intelligence Index 上，同一评估显示 Astra 在不同努力档位下每项任务介于 0.82 美元和 3.26 美元之间，比在最高努力档位下的 Sol 贵约 60%。

这两种情况可以同时成立，而两者之间的差距才是真正诚实的核心结论。Token 节省是真实且巨大的——三分之一恰好就是能越过 40% 盈亏平衡线的那种数字——但以输出 token 衡量的节省，并不会缩减在长时间 agent 会话中占主导的缓存读取和全新输入这两项。Astra 每任务是否比 Sol 更便宜取决于你的使用组合，而且方向会因工作负载而翻转。任何告诉你它就是更便宜、或者就是贵 2.5 倍的人，都是在把账单中的某一行当作总额来引用。

这个模型的账单实际上是由什么决定的？

有三件事最为突出，而这三件事都取决于 Astra 的预期使用方式。

推理 token 是输出 token。它们按每百万 $50.00 计费，与可见输出相同。Ope​nAI 的模型页面列出了支持的力度值：low、medium、high、xhigh 和 max，且没有禁用设置——其下限高于旧模型。在独立的 Intelligence Index 测量中，最低力度与最高力度之间的成本区间为每任务 $0.82 到 $3.26，在相同工作上相差四倍。力度级别是你能控制的最大的单一成本杠杆，值得按调用设置，而不是全局设置。

重试会让一切都成倍放大。一个失败后重新运行的智能体，要为整个前缀再付一次费用。这正是 OpenAI「重试更少」这一说法背后的机制，也是为什么按 token 计算的账在两个方向上都会产生误导：一个每 token 贵 2.5 倍、但一次就能跑完的模型，可以胜过需要跑三次的更便宜的模型。如果你要把 Astra 与任何东西做对比评估，请衡量每美元完成的任务数，而不是每美元的 token 数。

长上下文是设计模式，并且需要额外收费。 窗口为 1,050,000 个 token。在单次请求中超过 272,000 个输入 token，整个请求就会重新定价为每百万输入 $20.00、输出 $75.00——而不只是超出部分。一个 280,000 token 的请求，成本大约是一个 270,000 token 请求的两倍，而输入只多约 4%。对于为长时程工作而构建的模型来说，这是不知不觉花超预算的最简单方式，这也是为什么将长时程任务拆分成低于 272K 的请求通常比整体发送更便宜，即使模型能够整体处理它。

起到平衡作用的是缓存，而长时间运行的智能体会话真正省钱的地方就在这里。缓存读取为 $1.00，而未缓存的读取为 $10.00，降幅达 90%，并且长时间会话会数十次重新发送同一个前缀。$12.50 的缓存写入只需支付一次。在上面的计算示例中，如果每次调用都必须在未缓存的情况下重新发送其 8,000 token 的前缀，Astra 的账单就会从 $10.73 升至约 $25.00——对预算而言，缓存所做的贡献超过任何其他单项。

关于倍数的记录

本博客上的若干页面，包括GPT-6 Astra 对比 GPT-5.6 Sol：2.5 倍的价格值得吗？以及GPT-6 Astra 的需求导致新的 $200 ChatGPT Pro 注册暂停，均指出 Astra 的标价是 GPT-5.6 Sol 每 token 价格的 2.5 倍。该数字是根据 Sol 的促销费率计算的：输入 $4.00、输出 $20.00，这正是 Ope​nAI 定价页面目前列出的费率，并称其为促销价，至少持续到 2026 年 11 月 21 日。

所以这个倍数并没有不再成立——它只是获得了一个之前那些页面所没有的到期日。相对于 Sol 非促销的 $5.00 输入和 $30.00 输出价格，Astra 在输入上是 2 倍、输出上约为 1.67 倍，而不是 2.5 倍。那些写着 2.5 倍的页面应被理解为针对促销窗口期；比较的方向没有改变，但促销一结束，差距的幅度就会缩小五分之一到三分之一。任何要把预算做到 2026 年 11 月 21 日之后的人，都应以 $5.00 和 $30.00 作为 Sol 的分母，并以 2 倍 / 1.67 倍作为 Astra 的倍数。我们不是在重述那些页面上的论证——那里的基准测试和可靠性推理本身站得住脚——只是修正它们当初计算时所对照的分母。

“免费”问题，毫不含糊地作答

该模型没有免费套餐，也没有免费的 API 路径。免费版和 Go 版 ChatGPT 用户完全无法使用 GPT-6 Astra。Plus 订阅者只能通过 ChatGPT Work 和 Co​dex 使用它，不能在常规聊天中使用。该 API 从第一个 token 开始计费，每百万输入 token 收费 10.00 美元，而降低这一数字的最便宜合法方式是批处理层，每百万 token 收费 5.00 美元，代价是延迟而非能力。任何宣传免费 GPT-6 Astra API 访问的人都是在转售某种东西——通常是第三方网关上的试用额度池，并附带其自己的数据条款。这未必是糟糕的交易，但它不是免费的，也不是 Ope​nAI。

值得了解的是，如果你是在围绕订阅而非 API 做容量规划：2026 年 9 月 10 日，Ope​nAI 暂停了其 200 美元 ChatGPT Pro 层级的新注册和升级，理由是对 Astra 的需求。100 美元层级、Plus、Go、API 以及 Business 和 Enterprise 账户仍保持开放。消费者被限量配给；API 和企业访问则没有。如果你的计划依赖于消费者订阅的使用额度，那就是需要建模的风险。

路由它，以及路由器解决不了的问题

Astra 是通过 OrcaRouter 可用的模型之一，位于 openai/gpt-6-astra，输入价格为 $10.00、输出价格为 $50.00，与厂商收费相同，并在我们的模型页面上显示了超过 272K 的分层计价。我们以 0% 加价透传提供商标价，这一点在本模型上比在大多数模型上更重要：本文中的数字在该模型的生命周期内已经变动过一次，而透传价格会在厂商调整价格当天随之变动，而不是等到有人记得更新表格时才变。

在这里采用路由的诚实理由不是价格，因为并没有什么折扣可以卖给你——而是上面的成本计算取决于工作负载，在真正运行之前，你不会知道自己会落在 40% 盈亏平衡点的哪一侧。将 Astra 与 Sol、Terra 和 Luna 一起放在一个端点之后，意味着你可以根据自己的流量衡量每美元完成的任务数，并且无需第二份合同或更改代码就能切换模型。路由 DSL 让你可以跨多个模型组合一次调用，而不是把生产路径固定在一个模型上；自动故障转移则覆盖了这个模型已经两次证明过的情况——对它的需求可能会超出容量。

这些权衡同样真实，也值得点明。路由器是请求路径中的一跳，而对于一个卖点是长时程自主工作的模型来说，这一跳就是故障域里多出来的一个环节；如果你对此的容忍度为零，就直接联系厂商。本文中有几项内容只存在于直接关系中：OpenAI 向符合条件的 API 客户在受支持的端点上提供的零数据保留选项，须经 OpenAI 批准；而企业启用——在发布时默认关闭，由管理员根据其适用的费率卡开启——是你与 OpenAI 之间的协议，而不是路由器能授予的。OpenAI 还说明，该模型的 Fast 模式在欧盟数据驻留下不可用，因此如果你需要同时满足数据驻留和速度，这一限制是跟随模型的，而不是跟随路由的。而且路由器的 0% 加价并不是折扣：我们并不比直接使用更便宜，我们价格相同，但需要维护的集成更少。

看什么

一个日期和一个数字。日期是 2026 年 11 月 21 日，届时 Sol 的促销定价将不再有保证——如果它失效，Astra 相对于 Sol 的倍数就会在输入上从 2.5 倍降至 2 倍，在输出上从 2.5 倍降至 1.67 倍，而市面上流传的每一项每任务成本对比，都会因此对 Astra 有利五分之一到三分之一，可 Astra 本身却没有任何改变。这个数字就是你自己的盈亏平衡点：在两个模型上各运行一个具有代表性的长周期任务，统计完成的任务数和总花费，你就会得到一个比任何已发布内容——包括本页——都更有用的答案。

将 Astra 置于与 Sol、Terra 和 Luna 并列的同一个端点之后，意味着你可以在自己的流量上衡量每美元完成的任务数，并无需第二份合同或改动代码即可切换模型。