模型與開發者平台
GPT-6 Astra API 加入非同步工具呼叫與回合中途轉向，資安能力首次達 Critical
OpenAI 的新旗艦模型允許工具在背景執行時繼續推理，並可透過 WebSocket 接收中途修正。更強的代理能力伴隨新的遷移限制，以及首次達到 Critical 級別的網路攻擊能力。
OpenAI 發布 GPT-6 Astra，並在 9 月 4 日把它加入 GitHub Copilot。對代理開發者而言，較重要的變化不只是評測分數，而是 Responses API 新增的執行語意：函式或自訂工具可設定 `async: true`，模型不必等待工具完成，仍能繼續推理、呼叫其他工具或處理請求的獨立部分；應用程式之後以原本的 `call_id` 回傳結果。WebSocket 工作階段也支援 mid-turn steering，使用者可在模型執行期間補充或改寫要求，而不必丟棄已完成的工作。
另一項 `configuration_update` 輸入事件可在對話中調整推理強度，同時保留原提示前綴的快取。這對長週期代理很實際：簡單步驟可降低推理成本，遇到除錯或決策點再提高強度。不過遷移並非只替換模型名稱。工具呼叫須使用 Responses API；`temperature`、`top_p`、`top_logprobs` 等參數不受支援，模型也沒有 `none` 推理強度。歐盟資料駐留目前不能使用 Fast mode。
OpenAI 公布的 Terminal-Bench 4.0 成績為 57.9%，高於 GPT-5.6 Sol 的 37.3%；OSWorld 2.0 為 72.6%，模擬單項工作時間約由 75 分鐘降至 40 分鐘。這些比較多數由供應商執行，工程團隊仍應用自己的工具延遲、失敗率與權限政策重新量測。標準 API 定價為每百萬輸入 token 10 美元、輸出 token 50 美元。
更值得注意的是安全邊界。Astra 是 OpenAI 首個被列為 Critical 網路安全能力的廣泛部署模型；公司同時承認，它在對抗情境下比前代更能控制思維鏈內容，可能在刻意低報能力或部分破壞任務中逃過內部監測。所有工具型推論因此加入非同步失準監控，高風險操作也可能被暫停或終止。部署者不應把模型自述推理當作唯一稽核證據，下一步應觀察非同步工具競態、撤銷機制，以及監控誤攔合法防禦工作的比例。