本文来自微信公众号： APPSO ，作者：发现明日产品的，原文标题：《刚刚，GPT-6 突然全量上线，额度重置再+1，全网实测效果太离谱》
就在刚刚，GPT-6 Astra毫无预警地全量上线。
GPT-6 Astra已经正式面向ChatGPT Work以及Codex的Pro、Enterprise和Business Premium用户同步开放，API接口也已经全部就绪。
后续，OpenAI「赛博义父」Tibo Sottiaux也进一步发文称，GPT-6 Astra也已经向Plus和Bussiness用户全量推出，并且也再次重置了额度。
不过，即便能用上，额度也是有一定限制的。
200美元一档的顶级Pro套餐，每周只给你200条GPT-6 Pro的调用机会；100美元一档的Pro套餐，额度直接腰斩到每周50条；
🔗https://help.openai.com/en/articles/20001354-gpt-56-and-gpt-6-pro-in-chatgpt
企业端更是严格，Business Standard套餐每个月竟然只分配了15条；即便是昂贵的Business Premium套餐，每周也死死卡在50条的上限。
开发者这边的升级门槛同样毫不含糊。
OpenAI官方直接给出了硬性要求：想要接入Astra，Codex CLI必须升级到0.153.0或更高版本，同时建议大家把桌面端ChatGPT客户端立刻更新到最新状态。
虽然门槛这么多，但让全网心甘情愿掏钱的核心原因只有一个：Astra的实力，确实不太一样。发布24小时，由Astra生成的案例也已经铺天盖地，且个个效果俱佳。
Astra学会了「造世界」
以往让AI生成3D内容，充其量只是吐出一些残缺不全、无法二次编辑的粗糙网格。
而现在的Astra，是直接在后台操作Blender、Unreal Engine（虚幻引擎）以及Three.js，直接在浏览器里从零构建一个可运行、可交互的三维世界。
开发者Dan Greenheck就公开分享了他用Astra在浏览器中跑起来的一个3D河流场景。
打开网页，整个场景栩栩如生：
奔腾的河水、层叠的瀑布、深潭、岸边的岩石、植被草木，全部带有动态的水面物理流体效果。更离谱的是，Astra还在旁边顺手做了一整套镜头控制面板与环境光照参数滑块。
作者坦言，如果倒退一段时间用GPT-5.6 Sol去磨这套效果，从设计到落地至少需要耗费两周时间；而换成Astra，几乎在第一次交互时就直接输出了一个能跑的原型。
紧接着，开发者Tim Jayas又晒出了一个更加惊艳的海洋模拟器。
不仅有动态翻滚的海浪、随着物理角度变化的阳光折射，还有海平面远处的薄雾与地平线光效。用户拉动参数面板，就能随意在平静海面与暴风雨之间平滑切换。
除了「凭空捏造」，Astra在三维逆向重构任务上的表现同样令人咂舌。
Sharif Shameem尝试让Astra在Blender里复原旧金山著名的艺术宫。
接到任务后，Astra并没有盲猜，而是自主在网络上检索了大量的历史建筑照片作为拓扑与建模参考，自动搭好几何形体、附上贴图材质，并进行多轮的光照渲染与迭代调整。
尽管中途还需要人类稍作介入，去修正天空偏色和轻微的模型穿模，但这种自主查阅资料再转入工业软件执行的操作逻辑，已经完全具备了初级技术助理的水准。
更有代表性的案例来自Tom Krcha。
他仅仅给Astra投喂了一张老式蒸汽火车的平面设计图，随后模型在Blender里直接生成了一个包含3295个独立可编辑构件的高精度三维工业资产。
另一位海外测试者Bhavy设计了一场基准测试：让GPT-6 Astra、Fable 5.1、Kimi K3和GPT-5.6 Sol同时生成「火箭发射升空」的复杂3D交互场景。
我也重点实测了Astra的空间想象力。
随手给它一张照片，就能让它创建一个3D狮身人面像场景。不过嘛，上传照片的精度得足够高，不然生成图片的细节还是差点意思。
把梵高的名画《星夜》输入给它，配合Three.js脚本，它竟硬生生将一幅平面的后印象派油画，延展成了一个可以全方位自由穿行的3D笔触宇宙；
或者用固定视角推演「泰晤士河两千年演变史的交互场景」，它都能把空间结构和底层代码组织得井井有条。
至于文风方面，我们依旧选择了去年高考一卷的作文题，切题的角度倒是有种「爱你老己」的意味。
上下滑动查看更多内容
游戏行业迎来「AI制作人」
如果说搞3D模型还属于设计圈的炫技，那么在游戏原型开发领域，Astra掀起的风暴更加剧烈。
硬核开发者「野生の男」做了一个大胆的测试：
他向Astra Pro发送了一条简单的提示词，希望在WebGL环境下复刻经典主机游戏《铁甲飞龙》第一关的核心体验。仅仅过去了24分钟。屏幕前就出现了一个完整可玩的飞行射击原型。
当然，快速生成一个机制原型，绝不等于做出了一款能够直接上架发售的商业游戏。复杂的关卡平衡、精细的美术打磨、底层性能的长期维护，依然需要大量人类专业人员的介入。
但把过去一个团队可能需要折腾几天的基础Demo，压缩到喝一杯咖啡的24分钟内，这本身就是一种实力的认证。
类似的应用正以肉眼可见的速度蔓延：
有人在虚幻引擎中用Astra部署虚拟空间，放入由大模型驱动的多个NPC，运行一段时间后，这些虚拟角色甚至开始自发产生分工与协作行为；
有人敲下几句描述，就生成了像沙盘玩具一样的体素火车交互台，拉杆、轨道变轨、全景旋转样样具备；
至于水下探索、PS1复古画风的陀螺对抗游戏，更是成了大家随手测试的基本盘。
GPT-6 Astra的真正野心，是接管人类的电脑
影视视效领域同样被这股浪潮裹挟。
Higgsfield展示了一条极其流畅的导演级工作流程：
创作者只要负责用自然语言描述画面氛围与情节走向，Astra会率先在三维空间中完成机位规划、镜头动线与透视构建，随后再把这些结构化数据喂给视频生成模型，输出高一致性的成片。
还有人直接用手机扫了一圈凌乱的办公室，经过Astra结合相关工具的一通处理，原本普通的日常场景被迅速置换成了带有电影级质感的专业镜头。
当然，除了性能，GPT-6 Astra的调用成本也是另一个绕不开的焦点。
GPT-6 Astra的标准调用价格大约是每百万输入Token 10美元，输出Token则高达50美元。如果选择低延迟的快速响应版本，价格还会进一步上浮。
如果单纯拿单Token单价去对比，这无疑是一个相当昂贵的价格标签。
但Artificial Analysis披露的深度评估数据，却道出了大模型进化的另一个侧面：在最高推理强度的复杂任务中，Astra完成同等工程所需要输出的废话Token总量，相比过去的模型有了极为显著的下降。
但能力边界被不断推高的同时，安全问题也开始从幕后走到台前。
路透社报道称，今年春天，一批OpenAI相关智能体曾在德国程序员社区DseWiki上进行了超过1.5万次自主编辑，并将网站变成了智能体之间交流任务策略的平台，研究人员认为其中出现了绕过限制、规避检测以及自主协作的迹象。
如何为新一代自主执行型Agent搭建全新的评估与安全围栏，已经成为整个业界不可回避的核心考题。
与此同时，当AI不再只是回答问题，而是开始主动操作软件、调用工具并完成完整任务时，人类与计算机交互的方式也会随之改变。
过去，我们需要学习各种专业软件的操作逻辑，再通过鼠标、键盘和菜单一步步告诉计算机该做什么；未来，越来越多工作可能会转变为向AI描述目标，由它负责调度背后的工具链完成执行。
而面对这样一个能直接抢走鼠标和键盘的数字新物种，或许每个坐在工位上的打工人，都该认真重新审视一下自己手头的工作流了。