
OpenAI 官方《GPT-6 家族模型指南》:按任务选 Astra、Sol、Luna 和推理档位,提示写「任务书」,长任务用中途引导、异步工具和子智能体
一句话结论
OpenAI 在 10 月 2 日发布的 GPT-6 家族使用指南,把生产部署、模型选择、提示与技能、长任务管理和电脑操作的建议汇在一起:用缓存和压缩控制上下文与成本,按「智能与价格的权衡」挑选 Astra、Sol、Luna 和推理档位;提示要像一份任务书,讲清结果、对象、约束和完成标准,用明确的决策边界取代一律「先问我」;长任务则用中途引导、异步工具调用和子智能体保持推进。
背景与理念
这份指南于 2026 年 10 月 2 日发布在 OpenAI 官网,副标题是「在控制时间和成本的同时,从 GPT-6 模型中获得最佳结果的实用建议」。它面向的是三类工作:把想法变成可运行的原型、开发和测试一个功能、以及跨代码库、数据库和外部 API 编排多步骤工作流。
指南的出发点是:GPT-6 不是一个模型,而是一组面向不同工作的模型,选型本身就是一种工程决策。页面列出了三档:GPT-6 Astra 是最聪明的模型,输入每百万 token 10 美元、输出 50 美元、缓存输入 1 美元;GPT-6.1 Sol 号称接近 Astra 的智能、价格只有五分之一,输入 2 美元、输出 10 美元、缓存输入 0.10 美元;GPT-6 Luna 面向大规模的日常高效工作,输入 0.10 美元、输出 0.50 美元、缓存输入 0.01 美元。
文中引用 OpenAI 开发者体验团队 Eric Provencher 的话说明了提示写法为什么要变:「模型在理解细微差别和模糊性方面已经好了很多,所以过去有帮助的过度具体的指导,现在可能反而会拖累结果。」
具体做法
第一,上线前的生产准备
指南要求先注意效率:去掉任务不需要的上下文,但保留它需要的证据;在应用支持时把相互独立的任务一起跑,避免一个慢步骤拖住无关的工作。
对于重复性的工作,要通过提示缓存复用共享上下文,缓存输入 token 的价格最多可以比未缓存的低 95%,具体取决于模型。做法是把稳定的指令和参考资料放在前面、变化的任务细节放在后面,并保持工具定义一致;可以用缓存面板和诊断指南查看复用在哪里断掉,估算完整工作流成本时还要算上缓存写入和长上下文的费率。更长的对话用压缩(compaction)缩小上下文,同时保留继续工作所需的状态。
部署前要用有代表性的任务做测试,衡量任务成功率、延迟和「每个成功任务的成本」,并提前决定如何监控模型行为、检查应用的数据管控设置。
第二,把模型和推理档位当作「智能与价格的权衡」
模型选择上,Astra 用于需要最高智能的最难推理工作,Sol 用于复杂编码、研究和电脑操作,Luna 用于目标明确、大规模重复的聚焦任务,比如提取发票字段、给请求分类、生成结构化摘要。
推理档位分四级:低档用于提取事实、小改动等例行任务;中档用于规划功能、比较方案等需要判断的工作;高档用于棘手的调试、更深入的分析或仔细的审查;超高档和 Max 档只在高档不够时测试,并且只有提升值得额外的时间和成本时才保留。在 API 里可以在对话中途切换推理强度而不破坏缓存;在 Codex 里建议先用该模型的默认档位,简单任务调低,深入分析调高。
速度上,API 的 Fast 模式适合聊天应用或编码工具这类在意响应时间的场景,响应更快更稳定但每 token 更贵;Ultrafast 适用于 Codex 和 API,独立于推理强度加快 token 生成,目前只支持 GPT-6 Astra。
第三,提示和技能:给模型一份清楚的任务书
指南建议先写清楚四件事:你想要的结果、给谁用、相关的上下文和约束,以及怎样才算完成。然后从四个方面更新指令。技能方面,描述要简短,并明确每个技能什么时候该运行,配套细节只在需要时加载,用适合团队所用模型的指导取代死板的配方。AGENTS.md 方面,要说明哪些文档和测试在什么情况下相关,并明确授权安全的例行流程,比如用一次性数据、在没有生产权限的情况下跑本地测试。
决策边界方面,要写明哪些操作可以自主进行、哪些需要批准,用清晰的边界取代笼统的「一律先问」规则;坚持程度方面,要定义「完成」包括什么,即实现改动、运行、检查结果、修复失败,并指出哪些决定需要人来审。
对于输出,要告诉模型哪些选择它可以自己做、什么时候该问你。指南举的例子是:它可以自己决定摘要怎么组织,但改变项目范围之前要先确认。还要描述有用的回复长什么样,比如用平实的语言、匹配读者的技术深度,并附一段简短交接,说明改了什么、检查了什么、还有什么需要关注。
第四,长任务:中途引导、异步工具和委派
指南说 GPT-6 家族已经可以承担持续数小时甚至数天的任务,并分 API 和 Codex 两种场景给出了做法。在 API 里,可以通过 Responses WebSocket API 在模型工作时发送更正,这些更新会排队,不会取消正在运行的工具,也不会撤销已完成的操作;异步工具调用让模型在应用跑测试这类慢任务时继续做独立的工作,但依赖这个结果的工作要等结果返回再开始;GPT-6.1 Sol 在 Responses API 里支持多智能体工作流,可以把独立的子任务(比如调查代码库的不同部分)分给子智能体再汇总结果,目前处于测试阶段。
在 Codex 里,GPT-6 Astra 可以在工作中途提问澄清,指南建议先回答影响下一步的问题,并说明哪些独立工作可以在你考虑时继续;如果你要离开,就告诉 Codex 哪些任务可以继续、何时该停下来等你的回答。需求变化时,用新信息引导正在进行的任务,说明哪些要变、哪些不变,避免在已经不合适的方案上继续花时间。
第五,电脑操作:选最简单可靠的方式
电脑操作让 Astra、Sol 和 Luna 都能直接操作网站和桌面应用,包括没有 API 的应用,比如让模型调查一个 bug、修好代码,再在浏览器里打开产品检查修复是否生效。指南的原则是:能用 API 或已连接的工具直接完成的步骤就用它们;需要读屏幕、点按钮或填表单时才用电脑操作。如果要在自己的应用里集成电脑操作,就给模型一个能运行代码控制浏览器或桌面的工具,浏览器可以用 Playwright,桌面应用可以用 PyAutoGUI。
关键数据/例子
价格(每百万 token):GPT-6 Astra 输入 10 美元、输出 50 美元、缓存输入 1 美元;GPT-6.1 Sol 输入 2 美元、输出 10 美元、缓存输入 0.10 美元;GPT-6 Luna 输入 0.10 美元、输出 0.50 美元、缓存输入 0.01 美元。
缓存:缓存输入 token 最多可比未缓存便宜 95%,具体取决于模型。
客户案例一,Harvey:把法院信息、判例法、律所文件和律师个人偏好结合起来定制文书初稿,联合创始人 Gabe Pereyra 说「我们可以给模型更多上下文,产出越来越好、结构越来越清晰的结果」。
客户案例二,Cognition:在 Devin 里用 Astra 测试软件并返回证据;在一个 iPhone 游戏的例子里,Devin 给出了模拟器录屏和一份报告,把通过的检查和未测试的部分分开列出。
客户案例三,Hex:用 Astra 把关于销售渠道表现的问题变成书面结论和交互式仪表盘(包括地理维度的拆分),还让模型检查数字是否合理、分析是否回答了业务问题。
客户案例四,Invideo:用 Astra 规划时间线剪辑并生成可由剪辑师微调的自定义特效,公司报告调色和校色任务的成功率大约提高到三倍,几位剪辑师一天内做出了约 50 个特效。
创新点
第一,官方明确承认「过度具体的提示会拖累新模型」。这意味着很多团队积累的长篇规则式提示和技能需要重写成目标、边界和完成标准,而不是继续堆细节。
第二,把「决策边界」作为提示的标准组成部分。用写明「哪些能自己做、哪些要批准」来取代一律先问,既让长任务能持续推进,也把高风险操作留给人。
第三,把成本衡量单位从「每 token」换成「每个成功任务」。结合模型、推理档位和速度档的组合选型,这是一套比单看单价更贴近生产实际的评估方法。
第四,给长任务配齐了运行时控制手段。中途引导不取消正在运行的工具、异步工具调用、子智能体委派,加上 Codex 的中途提问,说明长时间运行的智能体正在变成可以「边跑边管」的工作方式。
可否复用
- 为每类任务建一张选型表:按任务难度标注默认模型和推理档位,先用默认档跑评估集,只有在成功率明显提升时才升档。
- 重写提示的结构,让稳定内容在前:系统指令、参考资料、工具定义放在前面并保持不变,变化的任务细节放在最后,以提高缓存命中率,并定期查看缓存诊断。
- 在 AGENTS.md 里写清授权和边界:列出可以自主执行的安全流程(比如用一次性数据跑本地测试),以及必须先批准的操作(比如改变项目范围、接触生产环境)。
- 把「完成」写成可检查的清单:实现、运行、检查结果、修复失败、写交接说明,要求智能体在交接里说明改了什么、验证了什么、还剩什么。
- 能用 API 就不用电脑操作:只有在必须读屏幕或操作没有接口的界面时才用电脑操作,并用 Playwright 或 PyAutoGUI 给模型提供可编程的控制工具。