TL;DR 官方 API 費率起價為每百萬輸入 Token $10、每百萬輸出 Token $50，約為 GPT-5.6 Sol 標準 Token 價格的 2.5 倍。
GPT-6 Astra 針對長時程的程式開發、瀏覽器與電腦操作、研究以及代理型（agentic）工作流程而設計，此類工作真實成本往往由重試、工具呼叫、脈絡成長、快取使用率，以及模型成功完成任務的機率所決定。OpenAI 將 Astra 定位於最困難的端到端工作，而非廉價的大規模推理。
另有一個重要的價格斷點：一旦請求的輸入 Token 超過 272K，Astra 的費率將針對整個請求升級。
我們需要注意：
- 監控脈絡大小：跨越 272K 輸入 Token 將使整個請求改用更高費率。
- 考量快取：當穩定前綴可重複使用且快取命中時，可大幅節省成本。
- 選擇處理模式：Batch/Flex 以延遲換取較低費率；Fast 則需支付溢價。
- 衡量任務結果：比較時納入 Token、工具、失敗執行，以及人工修正時間。
GPT-6 Astra 一覽價格
費率表將一般輸入、快取讀取、快取寫入與輸出分開；脈絡區間依輸入 Token 數計算；所有 Token 價格以每百萬 Token 計。
Batch 與 Flex 使用 Standard 費率的一半。Fast 使用對應 Standard 費率的兩倍。這些處理模式分別滿足不同的延遲與可用性需求。
| 定價模式 / 脈絡區間 | 輸入 / 1M | 快取輸入 / 1M | 快取寫入 / 1M | 輸出 / 1M |
|---|---|---|---|---|
| Standard ≤272K | $10.00 | $1.00 | $12.50 | $50.00 |
| Standard >272K | $20.00 | $2.00 | $25.00 | $75.00 |
| Batch/Flex ≤272K | $5.00 | $0.50 | $6.25 | $25.00 |
| Batch/Flex >272K | $10.00 | $1.00 | $12.50 | $37.50 |
| Fast ≤272K | $20.00 | $2.00 | $25.00 | $100.00 |
| Fast >272K | $40.00 | $4.00 | $50.00 | $150.00 |
在此表中，或許最重要的數字不是 $10 或 $50，而是 272K。
對於超過 272K 輸入 Token 的提示，OpenAI 會對整個請求套用2× 的輸入/快取費率與 1.5× 的輸出費率。因此在臨界點附近的小幅增加，可能導致成本大幅上升。
什麼是 GPT-6 Astra？
GPT-6 Astra 將程式開發、研究與電腦互動整合於單一模型。其脈絡容量、輸出上限與支援的工作流程，說明了價格溢價可能發生的場景。
| 官方 API 規格 | 值 |
|---|---|
| 開發者 | OpenAI |
| 模型 ID | gpt-6-astra |
| 脈絡視窗 | 1,050,000 tokens |
| 最大輸出 | 128,000 tokens |
| 知識截止 | April 30, 2026 |
| 輸入模態 | 文字與影像 |
| 輸出模態 | 文字 |
| 推理等級 | Low, Medium, High, XHigh, Max |
| 建議 API | 適用於工具豐富工作流程的 Responses API |
| 微調 | 不支援 |
| 長脈絡定價門檻 | 超過 272K 輸入 Token |
1.05M Token 的脈絡視窗對價格尤其關鍵。Astra 能處理非常大的程式庫、文件、工具歷史與研究素材，但「可用」的脈絡並不代表「經濟上最優」的使用方式。
非同步工具呼叫與中途引導（mid-turn steering） 能支援更長的工作流程，並配合電腦操作、提示快取、多代理協作與壓縮。模型支援不代表每個供應商都提供所有工具或功能。
透過 CometAPI 使用 GPT-6 Astra 要花多少？
CometAPI 目前提供 GPT-6 Astra API 存取，短/長脈絡 Token 費率分別較官方對應費率低 20%。
- 短脈絡：CometAPI 列價 $8/M 輸入與 $40/M 輸出，官方為 $10/M 與 $50/M。
- 長脈絡：CometAPI 列價 $16/M 輸入與 $60/M 輸出，官方為 $20/M 與 $75/M。
- 快取：短脈絡讀/寫費率分別為 $0.80/M 與 $10/M；長脈絡為 $1.60/M 與 $20/M。
- 差異：CometAPI 列示費率在各類別中均較 OpenAI 對應費率低 20%。正式預算前請確認當前費率。
以先前 100K 輸入、10K 輸出的例子：
OpenAI: 100K × $10/M + 10K × $50/M = $1.50
CometAPI: 100K × $8/M + 10K × $40/M = $1.20
每次請求節省：$0.30
在 10,000 次等效請求下，簡化差額為 $3,000。
對於 300K 輸入、20K 輸出的長脈絡工作負載：
OpenAI: 300K × $20/M + 20K × $75/M = $7.50
CometAPI: 300K × $16/M + 20K × $60/M = $6.00
每次請求節省：$1.50
API 價格與計費規則可能變動。正式預算應以當前 CometAPI 中啟用之模型與工作負載的實際費率為準。
百分比差異看似簡單，但大型代理型工作負載會放大其絕對影響，因為單一請求可能消耗數十萬的輸入 Token。
模型 Token 之外的 GPT-6 Astra 成本是什麼？
對傳統文字生成而言，輸入與輸出 Token 常主導成本計算。對 Astra 代理而言，它們可能只是帳單的一部分。
OpenAI 對網路與檔案搜尋工具另行收費。網路搜尋每 1,000 次呼叫 $10，且擷取內容亦按模型 Token 費率計費。檔案搜尋每 1,000 次 $2.50，且超過 1 GB 的免費額度後，儲存費用為 $0.10/GB/日。
Hosted Shell 與 Code Interpreter 有獨立的容器費用：1 GB 規格為每 20 分鐘工作階段每個容器 $0.03。符合條件的工作階段採按分鐘計費，最低 5 分鐘。較大記憶體配置費率更高。
工具產生的內容也會增加 Token 消耗。瀏覽器或電腦操作代理可能反覆將截圖、頁面、終端輸出、擷取文件與工具歷史加入脈絡。即便單次動作成本不高，累積的歷史可能把下一次模型請求推過 Astra 的 272K 門檻。
因此，生產環境預算至少應追蹤：模型 Token + 快取活動 + 工具呼叫 + 託管執行 + 重試 + 步驟總數 + 成功完成率。
工作流程越自主，單看每百萬 Token 價格就越不具代表性。
推理強度會影響 GPT-6 Astra 成本嗎？
推理強度不是已公布 Token 費率表中的獨立項目。但它會間接改變總花費：更深入的推理可能產生更多輸出 Token、延長工具使用或拉長代理軌跡；更好的決策則可能減少重試與人工修正。請以相同任務集比較不同推理設定，並回報模型 Token、工具費用、完成率與修正時間的總計。
你買到多少效能？
若不了解較高費率能帶來什麼，價格比較是不完整的。
OpenAI 報告在代理型與技術類評測上有顯著提升。下表百分比為廠商提供，非本文的獨立測量；「—」表示未提供結果。
| 官方基準（%） | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Gemini 3.8 Flash |
|---|---|---|---|---|
| AutomationBench | 41.4 | 18.1 | 31.4 | — |
| Terminal-Bench 4.0 | 57.9 | 37.3 | 55.8 | 19.1 |
| Terminal-Bench Science 0.1 | 64.6 | 22.4 | 52.6 | — |
| FrontierMath Tier 4 (v2) | 97.6 | 83.0 | 87.8 | — |
| GPQA Diamond | 96.0 | 94.6 | 93.7 | 95.3 |
| ExploitBench | 100.0 | 78.5 | — | — |
在 OpenAI 的 OSWorld 2.0 離線評測中，Astra 得分 72.6%，對比 GPT-5.6 Sol 的 65.7%。延遲模擬估計每項任務約 40 分鐘對比 75 分鐘。這些時間描述的是評測設定，並非一般的延遲保證。
這在經濟上很重要。
每個 Token 價格高 2.5 倍的模型，並不代表每個完成任務的成本也必然高 2.5 倍；若它能使用更少輪次、減少重試、更快完成流程，或避免升級到人工處理，實際成本可能更低。
同時，Astra 也不必然是每個任務的最佳性價比。當其代理型優勢確實能影響任務完成時，溢價才比較容易正當化。
272K 的價格斷點改變了經濟性
最容易被忽略的是 GPT-6 Astra 定價在輸入跨越 272K Token 時的變化。
考慮幾個簡化的 Standard 模式請求，未使用快取，也無其他工具費用。
| 工作負載 | 輸入 | 輸出 | 定價區間 | 預估 OpenAI 成本 |
|---|---|---|---|---|
| 短程程式請求 | 20K | 2K | ≤272K | $0.30 |
| 大型分析 | 100K | 10K | ≤272K | $1.50 |
| 臨界值附近的代理 | 270K | 10K | ≤272K | $3.20 |
| 稍大一些的代理 | 280K | 10K | >272K | $6.35 |
| 程式庫尺度的任務 | 300K | 20K | >272K | $7.50 |
270K Token 的例子成本：
270K × $10/M + 10K × $50/M = $3.20
輸入僅增加 10K Token，請求即進入長脈絡定價：
280K × $20/M + 10K × $75/M = $6.35
輸入增加約 3.7%，但整體請求成本卻增加了近 98%。
這使脈絡管理成為 Astra 代理控制成本的重要機制。相較於持續附加每個工具結果、檔案、截圖與對話輪次，生產代理可以總結較舊的狀態、僅擷取相關檔案、將穩定脈絡獨立為可快取前綴，並為獨立任務啟動全新的子代理。
對 Astra 而言，Token 最佳化不僅是減少 Token 數量，也可能是維持在價格邊界較便宜的一側。
提示快取如何改變 GPT-6 Astra 的輸入成本
在短脈絡區間的 Standard 請求中，一般輸入為 $10/M，快取讀取為 $1/M，快取寫入為 $12.50/M。較低的讀取費率僅在可重用前綴成功自快取提供時適用。
成功的快取讀取成本是一般輸入的十分之一，而寫入有其自身費率。重用依賴匹配的已快取前綴持續可用。測量寫入與命中，切勿把每次重複的提示都當作快取命中。
考慮十次假設性請求，每次都包含相同的 100K Token 前綴，且總輸入都在 272K 以內。比較兩種情況：不使用快取；一次完整前綴寫入後，九次完整前綴讀取均成功，且無其他寫入。
| 十次請求中的重複前綴成本 | 不使用快取 | 一次寫入 + 九次讀取 |
|---|---|---|
| 一般前綴輸入 | 10 × 100K × $10/M = $10.00 | $0.00 |
| 前綴快取寫入 | $0.00 | 100K × $12.50/M = $1.25 |
| 前綴快取讀取 | $0.00 | 9 × 100K × $1/M = $0.90 |
| 僅針對重複前綴的總成本 | $10.00 | $2.15 |
78.5% 數字的範圍說明：
從 $10.00 降至 $2.15 的減幅，僅適用於上述「一次寫入、九次命中」示例中「重複前綴的輸入成本」。這不是對典型
節省的估計，也不是整體 API 帳單 78.5% 的降幅。
若包含輸出，假設十次請求各自產生 2,000 個可計費輸出 Token。以 $50/M 計，輸出為每種情境各增加 $1.00。若無其他輸入或費用，模型 Token 總計分別為「不使用快取 $11.00」、「使用快取 $3.15」，約減少 71.4%。若有額外輸入、快取未命中或重寫、工具與不同處理模式，總成本將再度改變。
請以實測的快取寫入與成功讀取共同估算節省額，並加上其餘費用。大型可重用前綴能降低輸入成本，但其對總成本的影響，取決於該前綴在整體帳單中的佔比。
GPT-6 Astra 對比 Claude Fable 5.1：相同標示價，不同快取經濟性
Claude Fable 5.1 的標示費率為每百萬輸入 $10、每百萬輸出 $50，與 Astra 的 Standard 短脈絡輸入與輸出價格相同。
因此標示價相同，但快取不同。
| 成本面向 | GPT-6 Astra | Claude Fable 5.1 |
|---|---|---|
| 輸入 / 1M | $10.00 | $10.00 |
| 輸出 / 1M | $50.00 | $50.00 |
| 快取讀取 / 1M | $1.00 | $0.25 |
| 快取寫入 / 1M | $12.50 | $12.50（5 分鐘快取） |
| 脈絡視窗 | 1.05M | 1M |
| Terminal-Bench 4.0 | 57.9 | 55.8 |
| AutomationBench | 41.4 | 31.4 |
Fable 的快取讀取 $0.25/M 僅為 Astra 短脈絡 $1/M 的四分之一。Fable 的 5 分鐘快取寫入與 Astra 的 $12.50/M 相同；Fable 的 1 小時寫入選項為 $20/M。
對極度重複、主要由快取前綴主導的工作負載，即使兩個模型的標示 $10/$50 相同，Fable 在輸入側的經濟性可能更好。對於工具密集的軟體工程與自動化任務，Astra 在部分代理型基準的更強結果，可能補償其快取劣勢。
因此，即便輸入與輸出標示價相同，實際工作負載成本仍可能不同。必須同時比較快取壽命、命中率、生成輸出與任務成功情況。
GPT-6 Astra 對比 GPT-5.6 Sol：Token 價格高 2.5× 值得嗎？
GPT-5.6 Sol 在 Standard 短脈絡的費率為每百萬輸入 $4、每百萬輸出 $20，而 Astra 為 $10 與 $50。下表將費率差與能力差異分開呈現。
| 官方模型比較 | GPT-6 Astra | GPT-5.6 Sol | 差異 |
|---|---|---|---|
| 輸入 / 1M | $10 | $4 | Astra 2.5× |
| 輸出 / 1M | $50 | $20 | Astra 2.5× |
| 快取輸入 / 1M | $1 | $0.40 | Astra 2.5× |
| 脈絡 | 1.05M | 1.05M | 相同 |
| 最大輸出 | 128K | 128K | 相同 |
| AutomationBench | 41.4 | 18.1 | Astra +23.3 個百分點 |
| Terminal-Bench 4.0 | 57.9 | 37.3 | Astra +20.6 個百分點 |
| OSWorld | 72.6 | 65.7 | Astra +6.9 個百分點 |
若兩個模型使用完全相同的 Token 數量且成功率相同，Sol 顯然更便宜。
單就 Token 價格而言，Astra 需要其工作流程大約僅消耗 Sol 的 40% 左右的可計費 Token 等價工作量，才能抵銷 2.5× 的費率差。
但自主工作流程並非如此整齊。一次 $1 的失敗嘗試再加上另一次 $1 的嘗試，成本高於一次 $1.50 且立即成功的請求。若較弱的模型造成更多工具呼叫、更長軌跡、更多人工審查或重複程式執行，情況亦然。
OpenAI 報告顯示，在多項評估中，儘管 Astra 的每 Token 費率較高，但其能以更少輸出 Token 並且每項任務的預估 API 成本更低。
對一般對話、改寫、抽取、分類與其他簡單工作負載，以上論點就弱得多。
GPT-6 Astra 對比 Gemini 3.8 Flash：截然不同的費率層級
Gemini 3.8 Flash 屬於較低價格層級。Google 的導入期費率為每百萬輸入 $0.75、每百萬輸出 $3.75，至 2026 年 12 月 31 日止。
這使得在 Standard 短脈絡費率下，Astra 的未快取輸入與輸出約貴 13.3 倍。
| 比較面向 | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Gemini 3.8 Flash（定價） |
|---|---|---|---|---|
| 輸入 / 1M | $10.00 | $4.00 | $10.00 | $0.75* |
| 輸出 / 1M | $50.00 | $20.00 | $50.00 | $3.75* |
| 快取輸入 / 1M | $1.00 | $0.40 | $0.25 | $0.075* |
| 脈絡 | 1.05M | 1.05M | 1M | 1,048,576 |
| 最大輸出 | 128K | 128K | 128K | 65,536 |
| Terminal-Bench 4.0 | 57.9 | 37.3 | 55.8 | 19.1 |
| GPQA Diamond | 96.0 | 94.6 | 93.7 | 95.3 |
表中 Gemini 的定價為導入期，至
。自 2027 年 1 月 1 日起，輸入/輸出費率將分別為 $1.50/$7.50 每百萬 Token，快取讀取為 $0.15/M。
於 2026 年為 $0.50/每百萬 Token/小時，2027 年起為 $1/每百萬 Token/小時。OpenAI 表示之價格為 Standard 短脈絡區間。
此比較說明，模型路由通常比為所有請求選用單一模型更有效率。將 Astra 用於最困難的程式庫級工程或自動化任務，並把例行的大量工作導向更便宜的模型，可能比「到處都用 Astra」或「從不用 Astra」更具成本效益。
依處理模式看 GPT-6 Astra 成本：Standard vs Batch、Flex 與 Fast
GPT-6 Astra 的處理模式會與模型選擇一樣，顯著影響帳單。
以 300K 輸入、20K 輸出的請求為例，適用長脈絡費率。
| 處理模式 | 輸入成本 | 輸出成本 | 總計 |
|---|---|---|---|
| Batch/Flex | $3.00 | $0.75 | $3.75 |
| Standard | $6.00 | $1.50 | $7.50 |
| Fast | $12.00 | $3.00 | $15.00 |
因此，相較 Standard，Batch/Flex 可將簡化後的 Token 帳單砍半，而 Fast 則加倍。
當完成延遲可彈性處理（例如評估執行、資料增豐、離線程式庫分析、文件回填與非同步研究工作）時，Batch/Flex 合理。
Standard 是互動式生產工作負載的自然基線，此時既非最低成本，也非最快速度至上。
當整體耗時具備可衡量的商業價值時，Fast 可能有用。OpenAI 表示 Astra 最多可快 2 倍處理，費率為對應模式的兩倍。Astra Fast 無延遲 SLA，且不支援 EU 數據駐留。
最佳模式因此是商業決策，而非單純的效能設定。
每個成功任務的成本是更好的衡量指標
考慮兩個假設的程式代理。
假設代理 A 使用較便宜的模型，每次嘗試成本 $0.80，成功機率 55%；代理 B 使用 Astra，每次嘗試成本 $1.40，成功機率 90%。僅為示例，假設每次嘗試獨立，重試的成本與成功機率相同，並一直重試到成功為止。
在此假設下，每個成功任務的期望模型成本為「嘗試成本 / 成功機率」：
代理 A：$0.80 / 0.55 ≈ $1.45
代理 B：$1.40 / 0.90 ≈ $1.56
精確比值使代理 B 約「貴 6.9%」，約略 7%。此例並未顯示 Astra 省錢；它說明了 Token 費率倍數不等同於每個成功任務成本的倍數。
該公式已包含重試，因此不需再另外加上重試預留額。若另行測量，人工審查、工具與執行開銷會改變比較。真實失敗也可能相關，令此簡化模型不適用於部分工作流程。
在真實評估中，請將測試集上的所有模型與工具支出除以被接受的結果數，並另外回報修正時間與未解決失敗。以此觀測結果決定哪些任務值得使用 Astra。
如何降低 GPT-6 Astra API 成本
- 盡可能讓例行請求低於272K 輸入 Token，避免小幅脈絡增加即讓整個請求觸發長脈絡定價。
- 設計可快取的穩定提示前綴。系統指令、程式庫地圖、政策、結構與靜態文件，通常比反覆重建的提示更適合快取。
- 使用模型路由。將GPT-6 Astra 保留給確實受益於其能力的複雜請求，並將可預測的抽取、摘要、輕量程式開發與分類導向較便宜的模型。
- 選擇合適的處理模式。Batch 或 Flex 可將 Token 費率減半，適合不需立即回應的工作負載。
- 衡量完整的代理軌跡。若某項最佳化省下 20% Token 卻導致更多失敗執行，整體成本可能反而上升。
- 以總結、檢索、具範圍的子代理與選擇性保留工具結果，主動管理歷史，避免脈絡成長成為隱性的價格問題。
常見問題
Astra 比其他模型更貴嗎？
其 Standard 短脈絡 Token 費率為 Sol 的 2.5 倍，與 Fable 的標示輸入/輸出費率相同。Gemini Flash 處於更低的價位層級。上文比較顯示，快取使用與每個被接受任務成本，會改變實際排序。
小請求是否為整個脈絡視窗付費？
否。計費反映實際處理的 Token。當輸入超過 272,000 Token 時，才會適用長脈絡區間；僅選用大視窗模型不會自動啟用該區間。
我該如何估算 CometAPI 的節省？
以提供者的對應輸入、輸出、快取讀取與快取寫入費率，套用至相同的 Token 組成。所列之 20% 差異僅適用於這些類別；其他費用需另行加總，再比較總帳單。
最後想法
當 Astra 的能力能足以改善困難工作流程，並抵銷其較高費率時，最容易正當化其價格。請從具代表性的測試開始，衡量被接受的結果，並將總花費與修正時間與合適的基準比較。
控制脈絡成長、設計可重用前綴以利快取，並選擇符合延遲需求的處理模式。當其公布費率與可用功能適合工作負載時，透過 CometAPI 使用 GPT-6 Astra API。