OpenRouter 上的 GPT-6 Astra

访问与发布

• Astra 已向 Pro/Plus 和 Business 用户开放，但具体时间因账户和地区而异（例如，一些欧洲用户只能通过 Codex 使用，无法在 ChatGPT 中使用）。
• 一些用户因当天无法访问 Astra 而获得了“可累计重置”，并在此期间用它们测试 Sol。
• Astra 也可通过 OpenRouter 和 Azure 访问；有些人报告 OpenRouter 早期出现“Not Found”问题，以及在启用 reasoning 时 Copilot/Foundry 的工具调用限制。

Azure、ZDR 与企业担忧

• 对 Azure 上的 Astra 是否真的是 Zero Data Retention（ZDR），以及“privacy-preserving abuse monitoring”究竟意味着什么，存在困惑。
• 有人抱怨 Azure 的界面很难区分 ZDR 与非 ZDR 模型，也很难屏蔽非 ZDR 选项。
• 据说 Azure 更贵，但提供 ZDR 保证和 Azure 身份集成；Codex 的使用是否也是 ZDR 仍不清楚。

能力：SVG、编码与视觉

• Astra 因 SVG 生成能力广受好评：“骑自行车的鹈鹕”对比显示，与 Luna、Sol、Terra 和更早的模型相比，视觉质量与一致性显著更高。
• 用户讨论这一基准是否已经“过拟合”或仍然有用；有人怀疑有明确训练，也有人认为这只是 SVG 能力整体提升的结果。
• 其他 SVG 测试（乒乓球仓鼠、骑踏板车的其他动物）展示了强烈的风格化输出，但也有明显的几何与解剖错误。
• Astra 的视觉 + web 开发组合受到强调：它能从静态 mockup 中高度还原复杂、流动的基于 SVG 的设计，在布局保真度上优于其他模型。
• 在编码场景中，Astra 很快发现了细微 bug（例如资源生命周期问题），并生成了不错的 Blender 和 web 代码，不过至少有一条报告称它的 Odin 代码非常差。

速度、token 与定价

• Astra 往往“感觉更快”，尽管每秒 token 数更低，可能是因为内部“思考”token 更少。
• 多位用户强调，与 Sol/Opus 相比，Astra 在某些基准下每个任务使用的总 token 更少；也有人引用的指标显示，在“智能度”上 Sol high/medium 与 Astra low 相当，而每百万 token 成本低得多。
• 总体来看：关于 Astra 是否按任务更便宜，争议很大；一致意见是其按 token 计价很高。
• 例如：通过 Astra 完成一个简单前端构建，API 费用约 $24；有人觉得这对最终设计来说很小，也有人认为这并不小（因为试错空间有限）。
• 一些组织在看到高额账单后正在限制访问，尤其是来自“token maxers”的用量。

模型比较与编排

• 用户通常用 Luna 处理日常/低成本工作，用 Terra 或 Sol 处理更复杂的任务，并将 Astra/Fable 留给最难的问题。
• 一种做法是：使用“前沿”模型（Sol/Astra）作为编排器，监督一个更便宜的 Luna 子代理去完成大部分阅读/实现工作，从而减少前沿模型 token 消耗。
• 讨论 Astra 是否在相同“effort”级别上优于 Sol：有人说 Astra 的 medium/high 在相近或更低的单任务成本下严格更好或至少相等；也有人根据外部基准数据表示反对。

基准与评估争论

• 鹈鹕 SVG 图库和成本网格被赞为直观的模型比较工具。
• 也有人担心反复使用同一个鹈鹕提示会促使供应商专门针对它进行优化，从而降低其作为通用基准的价值。
• 替代提示（狐猴/斑马骑踏板车、非标准视角）仍能暴露弱点，例如遮挡、解剖结构和一致性问题。

局限与失败模式

• SVG 输出虽然大幅改进，但仍会出现错误视角、多余或缺失的肢体/嘴巴、畸形表格，以及乒乓球场景中的位置错误。
• 有人指出经常缺少头盔、解剖上奇怪的鹈鹕膝盖，以及错误的自行车细节（例如辐条图案、缺少链条），这些都说明其“理解”并不完整。
• 据称 OpenAI 的 Astra 工具调用失败率在一份数据集中高于 Azure，不过细节很少。

用户体验与生态问题

• 少数用户表示获得 Astra 访问权限时并没有额外重置；也有人积累了多个重置。
• 一位用户称在 OpenRouter 存入资金后被自动封禁，且没有有效支持和“no refunds”立场，因此发出警告并建议通过退款争议（chargebacks）追索。
• 对“AGI”营销的怀疑很普遍；一些人觉得媒体和“normies”在能力上过度炒作，因为明显存在基础错误。
• 更广泛的定价格局：有人将 Astra 的 $10/$50 档位与便宜得多的中文模型相比，预测除非单任务成本明显更优，否则采用会面临挑战。