GPT-6 Astra单价是上代的2.5倍，AI越强，为什么账单也跟着涨？

本文为「算力账本」系列。价格口径截至2026年9月8日，以OpenAI官方定价页为准。API费用按美元计价，文中人民币表格为独立的假设算例。

提示词没改，账单先变了

假设你有一条跑了两个月的工作流，系统提示词、工具定义、任务模板都没动，唯一改的是把模型名从gpt-5.6-sol换成gpt-6-astra。

第一个变化不是输出质量，是价格表。

先算一笔明确标注为假设算例的账：一次任务累计10万普通输入token、1万计费输出token，按Standard模式计费，不含缓存读写、长上下文加价和工具费。

• Sol：0.4＋0.2＝0.6美元
• Astra：1＋0.5＝1.5美元

同样的用量，2.5倍的费用。但换完模型，用量还会一样吗？一个模型要来回修改五次，另一个两次就做完，这张价格表还能直接告诉你谁贵吗？

Astra这次最值得讨论的地方就在这里：单价明显上涨，但不同任务的账单，走向可能完全相反。过去一年大模型API价格整体降了大约八成，同一家厂商还在给其他型号降价，为什么新旗舰却卖得更贵？多付的钱，到底买到了什么？

一、先把“贵了多少”说准

GPT-6 Astra于2026年9月3日发布，并分阶段开放。把它和GPT-5.6 Sol放在同一张表里，会发现“贵了多少”取决于你拿Sol的哪个价来比：

表内为Standard模式、输入不超过272K token时的文本token费率。Sol首发价及缓存规则来自OpenAI当初的预览公告，现行价格取自Sol和Astra的官方模型页。

对Sol首发价，Astra输入正好翻倍，输出只涨了三分之二。所以“贵了整整一倍”这个说法只对输入价成立，不能把输入价的变化直接当成整张账单的涨幅。

对Sol现行价，Astra全线是2.5倍。Sol从8月21日起执行促销价，官方措辞是“至少持续到2026年11月21日”，这是下限，不是截止日，OpenAI没有承诺那天一定恢复原价。

还要说清一件事：这是新旗舰定价高于上一代，不是Sol自己涨价了。在相同计费用量和处理模式下，Sol的模型费用比7月更低。

计费结构本身没变。7月我在《同一份材料，为什么第二次交给AI只收1/10？》里记录过，Sol的缓存写入是输入价的1.25倍，缓存读取是1/10。Astra沿用了这组缓存倍率，只是把每一格都乘了2.5。

同一张定价表上，OpenAI现在摆着四个梯队：Luna $0.20/$1.20，Terra $2/$12，Sol $4/$20，Astra $10/$50，均为每百万token的普通输入价／输出价。Astra的输入价是Luna的50倍。这个跨度意味着有必要按任务选型号，而不是把所有工作都交给同一个模型。

二、强在哪里：提升极不均匀

Astra这次强化的，是完整的多步骤工作：操作电脑、浏览器、写代码、跑科研流程。OpenAI发布页放了几十项评测，这里只挑两项，因为它们的差距最能说明问题：

前者测的是自动化工作流，分数翻了一倍多；后者测的是网页信息检索，只涨了1.1个百分点。

这两项数据支持的判断很具体：不同任务上的提升幅度差异极大。你看到某项评测分数翻倍，不代表你的摘要、改写、检索任务也会同等受益。但反过来也不能说所有日常任务都没进步，BrowseComp只是一项检索评测，代表不了全部日常搜索。这两个数字来自OpenAI发布文章，不是本账号实测，也不能直接换算成业务成功率。

对你来说，关键是自己的工作更接近哪一种：过去做不好的复杂流程现在能交付了，多付一点可能值得；本来就能一次做好的任务，升级的收益就得另找证据。

公开资料没有披露Astra的参数量。你能看到的，一头是训练规模——据Axios报道，预训练在德州Stargate站点上动用了超过10万张GPU，是OpenAI史上最大的一次训练；另一头是API售价。这两个数字都不能反推参数量，更不能直接反推出一件工作的账单。

三、训练投入、推理消耗和售价，要分开看

10万张卡的训练是前期投入，商业化需要考虑回收。但这笔投入如何分摊到不同产品和请求，公开资料没有说明。投入大，并不必然要求单价高，也可能通过更大的销售规模回收。它无法单独解释为什么Astra的输出价是每百万token50美元，更不能换算成某一次回答的成本。

推理阶段则持续发生计算。Astra的reasoning.effort有low、medium、high、xhigh、max五档。更高档位通常允许投入更多推理，但实际生成多少token取决于任务，不是每次调高档位用量都必然增加。

长输入也会带来运行时开销。此前《KV Cache：每读1个token，就要交一笔“显存税”》讲过，在其他条件相近时，保留更多上下文需要更多显存。Astra的标称上下文窗口是105万token，输出上限12.8万——但上限本身不是账单，真正花钱的是你每次实际带进去的token。

市场上的价格变化更直接。Anthropic为Claude Fable 5.1标出的普通输入、输出价，同样是每百万token10美元和50美元。两家同价只能说明报价接近，不能证明谁跟随谁，也不能证明内部计算成本相同。

OpenAI自己的动作是：7月30日将Luna降价80%、Terra降价20%，8月21日又把Sol降到$4/$20。新旗舰定价更高，与其他型号降价同时发生，这是可以观察到的产品分层。OpenAI的官方说法是：不知道选谁就选Astra，成本敏感就继续用Terra或Luna。

官方没有提供足以核算Astra单次服务成本的完整明细。此前讨论AI能耗和GPU/API回本时，拆过硬件折旧、电力、利用率与运维等成本，但这些成本项的存在，不能证明Astra比Sol贵出来的部分由哪一项造成。

技术效率进步和旗舰产品卖得更贵，可以同时发生。更高能力面向什么工作、用户愿意付多少，都会影响商业定价；零售价不会自动按计算成本同比例变化。

四、看不见的账：回答几百字，后台算了很久

单价之外，还要看各类计费用量。而推理模型的用量，有一大块你在答案里看不到。

OpenAI推理文档写得很明白：推理token不出现在API返回的答案里，但按输出token计费。你看到300字的回答，账单上可能是几千个token。此前《用AI工具，为什么有人花2块，有人花1300块？》讨论过这种用量差异。Astra的五档effort是同一模型的不同推理设置，不是五套token单价；评测机构把它们分别测试，是为了观察不同设置下的能力、用量和每任务费用。

从单次问答走到Agent，用量的变化更大。一个编码任务：查资料、读文件、尝试修改、运行检查、根据报错重做。你看到的是“帮我修好这个问题”，后台可能已经调用模型十几次，每次调用都可能重新处理当轮保留的上下文，具体保留多少取决于压缩、裁剪和按需加载策略。之前讲Pi的那篇讨论过Harness，也就是组织模型、上下文、工具和循环的工作框架。它不只影响任务能不能完成，也决定模型要反复读多少材料、尝试多少条路径，也就是这个任务要烧多少token。

但这里不能预设方向。更强的模型可能想得更多，也可能更快找到正确方法，一次做对，就不需要重试。用量是涨是降，要测，不能猜。

五、以前没在意的上下文浪费，现在更贵了

有些浪费，在便宜模型上你根本不会注意。《提示词越写越长，是在帮AI还是在烧钱？》里写过的那些：一份不断追加、从没删过的系统提示词；一批每轮都重复携带的工具说明；一段从第一轮聊到第八十轮、从没整理过的会话。

在Standard模式、未触发长输入加价且按普通输入计费时，每多带100万无用输入token，Sol多花4美元，Astra多花10美元。旧模型上的小毛病，在高单价模型上会变成账单上的一行大字。

Astra的定价页上，有四项会改变实际费用的规则：

长上下文门槛。输入超过27.2万token后，整次请求的输入及缓存费率为标准档的2倍，输出费率为1.5倍，不只给超出的部分加价。一个30万输入token的请求，如果全部按普通输入计费，仅输入费就是6美元，即30万×20美元/百万token。

《长上下文是不是越贵越好？》讨论过材料是否值得全部放进窗口。这里又多了一笔账：材料增加，不仅增加用量，还可能跨过价格门槛。但阶梯定价是收费规则，不能直接当作厂商内部的成本曲线。

缓存。写入按适用普通输入价的1.25倍计费，读取为1/10。命中可以显著降低重复输入的费用，但不等于整单打折，输出和工具等费用仍然存在。

Fast mode。按适用费率的2倍收费，官方称处理速度最高可达Standard的2倍。它是处理模式定价，和DeepSeek按时段定价机制不同，但要回答的是同一个问题：你愿意为“现在就要”多付多少。

Batch和Flex。模型费率为Standard的五折，条件是接受相应的延迟与可用性。能等的任务走标准价，等于主动多付一倍。

比较费用时，要同时记录处理模式、输入长度和缓存分类，否则两张账单没法对齐。

六、每次调用更贵，做完一件事却可能更便宜

独立评测机构Artificial Analysis在9月3日发布的Astra评测里，给出了比单价表更有用的对照，两款模型均为max档：

这是该次评测配置下的结果，通用智能部分对应当时的v4.1.1口径，不能和后来更新的榜单混用。也不要拿“输出减10%×单价2.5倍”去复算那个75%，输出只是账单的一部分，输入、缓存都在里面，直接看AA给的完整成本结果就好。

OpenAI公布的测试也提供了具体案例：Terminal-Bench 4.0上Astra得57.9%，Sol为37.3%，估算每任务API成本低约9%；BenchCAD在展示的配置下，Astra估算API成本比Sol低约43%。另一个时间指标来自OSWorld 2.0的延迟模拟，Astra每任务耗时比Sol少约47%。这些是厂商自报的特定测试结果，时间缩短也不能直接换算成同幅度的API费用下降。

在上述编程Agent测试里，用量下降抵消了高单价；在AA通用智能测试里，节省的用量没有抵消涨价。即使两款模型都一次做对，也不代表它们消耗相同的输入、推理和答案token。只有各类计费用量、处理模式及价格档位都相同，Astra的模型费用才是Sol现行价的2.5倍。至于用量为什么下降，可能是推理更短、步骤更少，也可能是重试更少，光看总token减少，还不能把功劳全归给“少返工”。

即使算完API费用，还可能漏掉最贵的一项：人。模型生成一份报告花了几块钱，你花半小时补来源、改数据、修格式，这半小时不会出现在模型后台。沿用GPU/API回本那篇里“合格结果数”的口径，把它写成公式：

每件合格工作的成本＝同一批任务的总成本÷合格交付件数

总成本包含模型费、工具费和人工复核返工成本，也包括最终失败的尝试产生的支出。

再放一组假设算例，明确不是Astra实测：

模型费涨了，整件工作的成本却降了。这张表成立需要三个前提：交付标准一致；高单价模型确实减少了返工；省下来的15分钟你真能用在别的事上——对固定薪酬的岗位，省下的工时未必马上变成现金，但它释放的是处理更多工作的能力。反面也要写清楚：如果复核时间相同，高价模型又没带来值得付费的质量或速度改善，多出的1.5元就是白花的。

“贵模型省钱”和“贵模型浪费钱”都可能成立，只是发生在不同任务上。单价上涨是已知事实，任务总成本是否下降，只能用你自己的工作来验证。

七、升级之前，先留两份完成记录

从你的工作流里挑20到30个有代表性的任务，让Sol和Astra按同一个交付标准各做一遍，记三样东西：

1. 最终是否合格；
2. 含重试、缓存、工具调用的完整费用；
3. 等待时间，以及你人工复核和返工花的时间。

按任务类型分开看结果，别把整理表格、修改代码和复杂研究混成一个平均数，少数高收益任务会掩盖大量不需要升级的工作。二三十个样本够做初步判断，不够包装成普遍结论。推理档位、工作框架和计价日期也一起记下来，将来调价再用新价格重算。

Sol的促销价至少持续到11月21日，现在正好用真实负载做比较。

最后提醒一句：以上讨论的是API价目表。ChatGPT订阅用户的Astra用量按官方发布说明包含在现有订阅额度内，具体能用多少取决于计划和开放情况，不能把每百万token的报价直接套到月费上——和峰谷定价那篇的口径一样，不必因为“2.5倍”三个字焦虑。

写在最后

过去一年大模型API价格整体降了约八成，Astra的定价不是这个趋势的反转，而是分层：底价档还在降，天花板在抬。

这个系列反复讲一件事：参数量不等于算力。这次可以加一句：单价不等于账单。模型升级之后，最值得比较的不是两张价目表，而是两份完成记录，同一件工作，花了多少钱，返工了几次，最后能不能用。

Astra的高单价已经写在价格表上。多付的钱能不能省回来，要看它替你完成了什么。

如果这篇对你有用，点个「在看」；想第一时间看到下一次调价的账本，把公众号设为「星标」；你自己跑过Sol和Astra的对比，欢迎在评论区留下任务类型和实际费用。下一篇拆缓存读取价：为什么普通输入报价相同，Agent长会话的账单仍可能差很多。