GPT-6 Astra 官方 API 上下文窗口是 1,050,000 token，但这不代表每个 Codex Session 都会开放完整的 105 万 token。 在 2026 年 9 月 9 日核验的 Codex 公开 catalog 中，Astra 默认 context_window 是 272,000，配置覆盖允许的 max_context_window 是 872,000。Codex 还会为 system prompt、工具开销和模型输出预留 5%。因此，默认 Session 可能显示约 258,400 个可用输入 token：272,000 × 95%。
API 的 105 万规格、Codex 的模型元数据，以及具体账户实际获得的上下文属于不同层级。这些数字不能互换，约 258.4K 也不是新的 API 上限。
OpenAI 于 2026 年 9 月 3 日发布 GPT-6 Astra，面向推理、编程、computer use、研究和专业文档等高难度端到端工作。它的 API model ID 是 gpt-6-astra；OpenAI 没有把 gpt-6 记录成可以直接替换使用的 API alias。本文先解释上下文数字为什么不同，再说明访问、成本、Coding Agent 适用场景和可控测试方法。所有事实均在 2026 年 9 月 9 日通过 OpenAI 官方页面与 openai/codex 官方仓库核验。
GPT-6 Astra 核心信息
GPT-6 Astra 官方模型页是 API 合同的来源；OpenAI 的发布报告说明发布时间和 rollout。Codex 这一层可以直接核对官方 models.json、ModelInfo 定义和运行时上下文计算。
为什么 Codex 可能显示约 258K，而不是 105 万
三个数字分别回答三个不同的问题。
105 万是 API 模型规格
OpenAI 的 API 模型页为 gpt-6-astra 列出 1,050,000 token 上下文窗口和 128,000 token 最大输出。这是 API 路径上的模型合同，不代表每个产品或客户端都会把每个 Session 配置成完整窗口。
272K 是当前 Codex bundled 默认值
截至 9 月 9 日，Codex 公开模型 catalog 把 Astra 的 context_window 设为 272,000。同一个条目还把 max_context_window 设为 872,000，并标明支持 experimental context。
Codex 源码把 max_context_window 解释为配置覆盖允许的最大窗口。它不是 bundled 默认值，也不是保证每个账户、客户端、provider route 或 workspace 都能启用的额度。远端 catalog、缓存的 catalog、客户端版本、账户规则或本地配置，都可能改变真实 Session 最终采用的数值。
约 258.4K 是默认有效输入预算
Codex 的 ModelInfo 默认使用 95 作为 effective_context_window_percent。源码说明，这个比例代表在给 system prompt、工具开销和模型输出预留空间后，可供输入使用的部分。Codex 在运行时会把最终采用的窗口乘以这个比例：
272,000 × 95% = 258,400
这条计算解释了为什么有些 Codex 界面会为默认 Astra Session 显示约 258.4K。它是 9 月 9 日公开 catalog 与默认运行时规则共同产生的结果，不是所有账户都能获得的固定额度，也不保证以后始终显示这个数。应检查正在使用的客户端和 Session，而不是直接套用其他人的数字。
还有一个容易混淆的地方：API 的 272K 加价线与 Codex catalog 的 272K 默认值刚好是同一个数字，但含义完全不同。API 输入超过 272K 后，整次请求的费率会提高；这不会把 API 上下文窗口缩小到 272K。Codex 的 272K 则是客户端模型元数据里的默认上下文配置。
它给 Coding Agent 带来了什么变化
OpenAI 把 Astra 定位为处理复杂、跨越多个步骤的工作。模型页列出的 Coding Agent 相关 Responses API 工具包括 hosted shell、apply patch、skills、computer use、MCP、web/file search 与 code interpreter。较大的 API 上下文与多档 effort 也让集成方有更大空间在速度、成本和推理深度之间取舍。
这些是模型与 API 能力。只有 Agent harness（Agent 执行入口）正确开放相关能力，并给模型提供有用证据、权限和验收检查，Coding Agent 才可能得到这些好处。如果这层区别还不清楚，可以先阅读为什么 Agent harness 和模型是两个选择。
面对真实任务，Astra 的潜在价值主要来自三部分：
- **较长而且彼此相关的证据：**迁移、调查或 review 可能需要同时参考代码、日志、截图、文档和之前的决定。
- **多步骤工具使用：**Agent 可以检查、修改、运行测试、验证结果，并在某一步失败后恢复。
- **错误成本很高：**如果迁移、安全判断或生产修改出错会带来大量返工，更深推理可能值得更高费用。
这些都不是成功保证。大上下文只是容量，不能证明模型一定找到正确文件或保留所有约束；API 页面列出一种工具，也不能证明某个 harness 会用相同的参数和输出把它交给模型。OpenAI 的性能描述是值得测试的理由，不能替代自己的验收检查。
“能不能用”不是一个开关
听到“GPT-6 Astra 已经可以用了”时，需要先确认对方说的是哪一层：
- **已经发布：**OpenAI 在 9 月 3 日公开宣布 GPT-6 Astra。
- **已经有文档：**API 有正式的
gpt-6-astra模型页和合同。 - **账户已经开放：**某个 API organization、订阅账户或 workspace 有资格真正启动模型。
- **产品界面已经出现：**ChatGPT、Codex、云市场或其他产品显示该模型。
- **Harness 已适配：**当前客户端能传入任务需要的上下文、工具、effort 与事件。
OpenAI 当前的 Work 与 Codex Astra 使用指南说明，访问仍取决于套餐、workspace 权限、rollout 资格和已更新的客户端。它也明确分开了 Work/Codex 套餐内 allowance 与通过 API key 计费的用量。不能因为 Astra 已在另一个 OpenAI 界面出现，就推断自己同时拥有 API 权限、某个特定上下文大小或固定任务次数。
Codex 还有自己的版本边界。当前公开 catalog 把 0.153.0 设为 Astra 的最低客户端版本；实际使用时应采用当前稳定版，而不是把最低版本当成推荐版本。客户端兼容仍不等于模型可见、账户合格、provider route 可用、effort 可选或 allowance 充足。在 Codex 中使用 GPT-6 Astra会进一步说明这些检查。
一个客户端能够识别 gpt-6-astra，仍可能收到 access error；一个 OpenAI 界面已经显示模型，另一个界面仍可能没有；OpenAI 官方可以使用，也不能证明独立第三方产品已经支持。
成本、上下文与 API 的 272K 边界
Astra 的 Standard API 费率是每百万未缓存输入 token 10 美元、cached input 1 美元、cache write 12.50 美元、输出 50 美元。Batch 与 Flex 是 Standard 的一半，Fast 是适用费率的 2 倍，工具费用可能另算。
真正影响成本的细节是 272,000 输入 token 加价线。一旦超过，OpenAI 会对整次请求采用 2 倍 input/cache 费率和 1.5 倍 output 费率，而不是只给超过 272K 的那部分加价。
所以，即使一条调用路径在技术上支持更大窗口，选择上下文仍是成本决策。代码库也许能放进最大窗口，但让 harness 只检索当前任务真正相关的 working set，通常更便宜，也更容易验证。稳定前缀的缓存可以降低部分费用，但 cache write、未命中、持续变化的上下文、输出、重试和工具仍然计费。
GPT-6 Astra API 价格指南会分开 API token 计费、ChatGPT 套餐与 Codex 使用路径，并提供短请求、长上下文、缓存、Batch/Flex 与 Fast 的可复核算式。不要把订阅 allowance 强行换算成一个不存在的 API token 单价。
怎么读官方 Benchmark
OpenAI 的 Astra 发布报告列出了终端、编程、computer use、科学和安全评测。例如，报告中的 Terminal-Bench 4.0 是 57.9%，Terminal-Bench Science 0.1 是 64.6%，高于同一张 OpenAI 表里展示的 Claude Fable 5.1 结果。
这些是厂商自报评测。OpenAI 说明表格取每个模型在某个 effort 下的最高分，而且研究环境或 API 可能因提示词和工具不同而与生产 ChatGPT 有差异。脱离任务版本、harness、工具、effort、重试、安全措施与成本定义的一项分数，不能直接成为模型路由策略。
可以通过 GPT-6 Astra Benchmark 证据审计检查这些条件，再根据真正的问题选择对比页：
- GPT-6 Astra vs GPT-5.6 Sol回答 OpenAI 同一模型家族内要不要升级；
- GPT-6 Astra vs Claude Fable 5.1回答跨 provider 的模型、缓存与 harness 选择。
没有相同初始任务和可验证结果时，两个比较都不应该宣布通用赢家。
Coding Agent 任务价值地图
真正的选择不是“最强模型或者不用 AI”。更实际的路由通常会保留三个通道：重复任务使用较低成本模型；有歧义的任务进入高能力通道；后果严重的任务进入权限更严格的升级通道。
官方公布的最大窗口也不应该成为“把整个代码库不加筛选全部发进去”的理由。先搜索，再加载任务需要的证据，明确保存验收条件；当一个巨大请求变得难以审查时，把独立工作拆开。
下一步做一次可控测试
改变团队默认模型前，先运行一个范围明确的任务，并准确记录调用路径：
- 确认 harness、客户端版本、provider、账户权限、准确 model ID、effort，以及当前 Session 配置的上下文。
- 使用有已知答案或确定性测试的任务，不用主观 Demo。
- 记录未缓存输入、cache write/read、输出、工具、重试、耗时与人工修改。
- 检查结果是否遵守文件、权限、网络与破坏性操作边界。
- 比较每个可验收结果的总成本，再在常规多文件任务和易失败调查上重复测试。
语言流畅不能代替验收。合格结果应该留下用户需要的产物，通过相关检查，不扩大范围，并提供足够证据让另一个人完成 review。
Agent.Space 独立于 OpenAI，并且当前在所有 Share 套餐中提供 GPT-6 Astra。GPT-6 Astra Workspace 指南进一步说明适合的任务、持久化项目工作流与当前产品边界。具体可搭配哪些 Agent，请以当前账户的实时 model selector 为准，再对真正显示出来的组合执行同样的可控测试。
开始一个 Agent.Space Session，先用一个能够验证结果的小任务试跑。
FAQ
GPT-6 Astra 的上下文窗口有多大？
OpenAI 的 API 模型页为 gpt-6-astra 列出 1,050,000 token 上下文窗口和 128,000 token 最大输出。这是 API 合同；Codex 客户端可以为具体 Session 开放更小的默认窗口或有效窗口。
为什么 Codex 会为 GPT-6 Astra 显示约 258K？
截至 2026 年 9 月 9 日，Codex 公开 catalog 把 Astra 默认 context_window 设为 272,000。Codex 默认使用 95% 的 effective ratio，为 system prompt、工具和模型输出预留空间，因此留给输入的预算约为 258,400 token。这个值可能随客户端、catalog、账户、route 或配置变化，不是对所有人的固定承诺。
Codex 中的 GPT-6 Astra 可以超过 272K 吗？
当前公开 catalog 标明支持 experimental context，并把 872,000 列为配置覆盖允许的最大窗口。它是 catalog 上限，不是默认值，也不保证每个客户端或账户都能启用。请核对自己实际 Session 的配置和有效上下文。
API 的 272K 加价线会把 Astra 限制在 272K 吗？
不会。API 模型合同列出 105 万上下文窗口。输入超过 272K 会让整次请求进入更高费率，并不会把 272K 变成 API 上下文上限。Codex bundled 默认值也使用 272K，但它描述的是另一个层级。
GPT-6 Astra 是什么时候发布的？
OpenAI 于 2026 年 9 月 3 日发布 GPT-6 Astra。访问仍取决于具体路径和账户，应检查当前 model picker、workspace 设置、API organization 与官方使用指南，而不能只看发布日期。
Agent.Space 已经支持 GPT-6 Astra 吗？
支持。Agent.Space 当前在所有 Share 套餐中提供 GPT-6 Astra。请查看当前账户实时显示的兼容 Agent 与模型组合。一个模型在 selector 中可见，只能证明该路径当前可用，不代表性能已经得到 Agent.Space 背书。