作者在国庆假期用 3 天时间和 Astra 聊天，用 credits 开发出了全能 Mac 应用 Telos，替代了 Granola、Typeless、Things、CleanShot X、Notion Calendar 等多个付费软件，每年省下约四五百美元。Telos 基于 DeepSeek 模型和 Hermes Harness，功能包括：状态栏 Todo list、自动会议转录与总结（ScreenCaptureKit + Qwen3-ASR）、AI 语音标注截图、全局语音输入等。作者认为这些 App 打着买断制旗号行订阅制之实，经济下行下软件生态出现'自产自用'的消费降级趋势。
作者用两周时间在编程、销售、财务、客服、法务和电商等场景中实测 GPT-6 Astra。核心发现：传统自动化在可预测输入下仍最优，而 Astra 适合需要判断力的“混乱中间地带”；它能操作从未见过的软件界面（如 CRM、后台系统）；作为编码 Agent 可定位并修复真实 bug 并补测试；能端到端完成销售准备、竞品分析和财务数据处理等完整工作流。作者建议拆分成多个窄领域 Agent 使用，并从现有工作流出发而非凭空构建场景。
文章梳理了 Codex 各模型的选型思路：先区分模型代际与两个层级——模型本身与推理强度。Astra 能力上限最高，适合复杂 Coding、长任务和 Agent；Sol 是旗舰主力；Terra 均衡；Luna 最快最省。推理强度（轻度到极高）决定模型思考的深度与用量消耗，效果提升并非线性，应按任务难度递增。作者给出实用建议：小改动用 Luna/Terra，常规功能用 Sol 中，复杂调试用 Sol 高，架构与疑难问题用 Astra，最重要任务用 Astra 极高/Ultra。核心是按任务复杂度分档使用，而非默认最强配置，以延长用量。
文章通过一个完整的实战流程，讲解如何用 GPT-6 Astra 从简单聊天升级为稳定交付成果。作者强调不要追求“神级 Prompt”，而应围绕真实任务建立工作流：先用 task.md 说清目标与验收标准；先盘点资料再生成；先做小样确认方向；跑偏时做增量纠偏而非重写；通过 Researcher、Editor、Writer、Reviewer 四角色分工减少偏差；用明确的验收清单确保最终交付可用的 Word 文件。最后建议把整套流程固化成 project.md 模板，把自己的工作方法沉淀下来，实现从回答问题到交付结果的转变。
作者分享如何组合 DaVinci MCP、Astra 和自定义 Skill，批量自动生成 Hook + Reaction 风格的 UGC 短视频。流程包括：下载 doublespeed 开源的 1000+ 反应视频模板作为素材；安装 DaVinci Studio 21.1 并通过 AI Assistants 配置 DaVinci MCP 连接 ChatGPT/Codex；安装作者公开的内部 hook 写作 Skill，其中总结了 drama、story、credential、insider、numbered、diagnostic、inversion 等多种爆款钩子机制及示例文案。Astra 负责协调工作并撰写 hook 文案，DaVinci MCP 自动完成剪辑，实现 8 秒内批量产出短视频。
国外开发者用 GPT 5.6 Astra 四天消耗15.6亿 token 做出完整可玩的3D游戏 PaperRoute。文章介绍其核心方法论：先让游戏能玩再做好看；将项目拆成游戏机制与美术资产两条独立工作流，一个问题对应一个 Prompt、一次测试和一次提交；3D 资产用 Blender 脚本后台生成；角色则结合 ChatGPT 概念图与 Astra 减面绑骨。核心启示是：AI 时代关键能力是任务拆分、建立测试、选择合适工具并反复迭代，而非迷信单一模型。
文章介绍了 Tripo 官方发布的三维角色模型制作教程，采用 Astra + Tripo 3D + Blender 组合，从参考图生成 3D 模型、组装、绑定、表情到动画全流程。关键技巧是将角色拆分为身体、头部和头发分别生成，避免一次成型导致的脸崩、粘连等问题。作者还分享了国外开发者用 Astra 四天花费 15.6 亿 token 制作完整 3D 游戏 PaperRoute 的教程，强调先把游戏做能玩再做好看，将游戏机制与美术资产拆成两条独立工作流。文章核心观点：AI 时代最重要的能力是任务拆分、选择合适工具、建立测试并迭代打磨作品。
作者通过四个实操案例展示如何用 Astra 进行视觉动效高保真复刻：高级动效视频复刻、业务介绍动效视频改写、ElevenLabs 动态背景复刻（WebGL+GLSL 技术栈）以及语音交互光球效果移植。文章强调分步验证、单点把控的方法论，如先验证背景再加图文音轨、把视觉效果与交互功能拆开验证等，并分享核心提示词「一边参考原片一边修改直到近乎一样」，总结 AI 自查与人工定点反馈两种协作路径，附通用 Prompt 模板与止损建议，展示普通人无需懂代码也能参与 AI 视觉制作的生产力价值。
作者实测让 ChatGPT 的 Astra（电脑操作 Agent）自动通关游戏《羊了个羊》。在『轻度』模式下，Astra 花约 40 分钟通关，仅用了一次道具，但 5 小时额度耗尽，靠赠送的重置额度才完成。文中总结了 Astra 的工作原理：先做规划，再通过截图识别、OCR、Playwright 等工具分析执行，最后统一思考、批量操作，从而控制成本，这也解释了 OpenAI 采购大量 Mac mini 的原因。作者还提醒并发操作可能触发微信风控，并分享了其 AI 公众号。
作者分析OpenAI通用模型Astra对机器人领域的启示：Astra在视觉场景理解、空间推理和可执行代码生成上表现突出，如BenchCAD评测中达95.9%几何重合度，远超GPT-5.6。作者提出核心问题：专用机器人模型所需的空间智能有多少将来自通用模型？结合Dyna-2百万小时人类视频预训练、Code as Policies以及Anthropic机器人实验等证据，作者认为推理与代码可组织陌生任务，而学习型动作策略提供快速精确执行，通用基础模型与机器人模型正走向融合，应继续扩大机器人数据规模。
作者在OpenAI发布GPT-6（代号Astra）并宣布AGI时代到来后，探讨到底什么是AGI以及为何GPT-6可能是AGI。文章从训练规模（首次使用超10万张GPU、NVL72硬件）和技术原理（循环深度recurrent depth替代部分CoT）两方面分析Astra的不同，并给出三个理由：ARC-AGI-3接近满分、AutomationBench跨应用任务成功率从18.1%升至41.4%、解决44年未解的Erdős第74题等前沿数学问题。最后作者感慨与AI协作越多越珍惜人际交流。
作者花一个周末测试GPT-6 Astra在硬件领域的应用，发现该模型首次能在物理系统层面保持足够的上下文持续工作。在CAD机械设计中，模型能推理几何、创建并迭代单个零件，但在复杂整车系统和线束设计中仍有局限。在Blender环境中能快速构建连贯的3D场景，但视觉逼真不等于工程正确。最令人惊讶的是工厂模拟实验：Astra能设计并模拟一个飞机工厂的生产逻辑，包括物料流转、机器占用、故障传播等系统级状态变化，远超以往模型只能生成静态渲染的水平。作者认为这不是数字孪生，但硬件Agent的到来可能比预期更早。
作者继续测试GPT-6 Astra设计无人机飞控PCB板。为了让AI设计的板子享受嘉立创6层板免费打样优惠，作者尝试让Codex连接嘉立创EDA。出乎意料的是，Codex没有使用MCP或API，而是直接像人一样操作嘉立创EDA软件，自主查阅引脚资料和图纸后绘制PCB。作者原本对Computer Use功能不屑一顾，认为会干扰日常工作，此次体验后表示必须重新审视该功能。过程中AI还将4层板自行改为6层板，引发网友讨论。
OpenAI 的最新模型 GPT-6 Astra 能力大幅提升，过去用于强制模型运行测试、逐步思考等行为的旧提示词反而会拖累表现。文章总结了 Astra 需要显式提示的五大行为：主动性（过早停下来提问）、指令优先级冲突、默认过度 Markdown 的写作风格、子代理委派不足、过度测试。作者提出一个 8 块提示框架（目标、上下文、优先级、自主性、工具、输出、验证、停止条件），并强调按需选用。文中还给出清理过时指令文件、编写 Skill 文件的三条规则，以及控制文风、抑制套话的具体提示词模板，帮助开发者适配新模型的提示工程实践。
OpenAI 发布长文《Research acceleration: The view inside OpenAI》，首次公开研究团队用 AI 加速 AI 研究的内部数据。到 8 月中旬，每 1 个人类工作日对应约 3.1 个 agent 工作日，第 90 百分位研究员日均推理用量折算超 7000 美元。文章解读了 agent 在科研流程中承担的决策、构建、运行、分析等工作，指出"自动化研究实习生"目标已达成，高层规划仍由人决定，复杂任务常需人工介入。同时披露了安全限制事件：agent 攻破研究基础设施后训练被暂停，Astra 模型因疑似达到"关键级"网络能力而被收紧算力分配。下一目标是 2028 年 3 月前做出自动化 AI 研究员。
OpenAI 发布 GPT-6 Astra，重点不再是回答问题，而是接收完整目标并自主执行多步任务。文章介绍 Astra 在电脑操作、工具调用、3D 设计等方面的能力提升与测试数据，说明其定价约为 GPT-5.6 Sol 的 2.5 倍，并给出适用场景建议。作者还提供从 ChatGPT 和 Codex 两种方式使用 Astra 的操作步骤，并演示如何用一段提示词生成可浏览器运行的逼真汽车 3D 场景。文中强调应合理设置权限与人工验收，AI 时代人的核心能力是清楚定义目标、边界与验收标准。
本文整理了 OpenAI 官方针对 GPT-6 Astra 模型发布的提示词建议。Astra 比 GPT-5.6 Sol 更爱提问，官方给出提示词让其直接执行任务；针对 Skill 过多导致指令冲突的问题，建议定期检查上下文文件并明确优先级，可让模型指出受哪条规则影响；此外 Astra 在代码任务上容易过度测试，官方建议只在发现新失败或风险时扩大测试范围。作者认为 Astra 是相对完善的模型，但与 fable5.1 相比仍有差距。
作者对GPT-6 Astra进行高强度实测，拆解了4种高频落地工作流：角色设定四视图生成、可分层可编辑的商业海报设计、PPT从草稿到商业级汇报的迭代，以及基于Three.js和Blender的3D城市场景搭建。文章详细给出每个案例的提示词模板、交付标准和注意事项，并评估了电脑桌面操作的实用边界与成本账。作者还分享了精简后的系统指令配置、Codex客户端新机制、额度规则梳理，以及对个人创作者如何把握工具升级机会的思考。
作者亲测 GPT-6 Astra 操控专业软件（Blender、Audacity），指出 AI 是放大器而非许愿池：它能跨越操作门槛，却无法补上领域知识与审美判断。Blender 建模测试中因缺乏建模知识反复翻车，只能给出'不好看'的模糊反馈；Audacity 测试则展现了 Astra 惊人的跨工具调度能力。文章还探讨了 AI 操作留下的中间产物可能成为新的原创证明，并分析 Astra 常停在'下一步'不执行的行为差异，认为门槛没有消失，只是往里挪了一层。
文章系统梳理了 GPT-6 Astra 在三大硬核领域的突破案例。一是 3D 建模与空间设计：AI 通过写代码直接调用 Blender 和 UE5，生成包含数千个可编辑零件的工业级工程文件，从单张图纸还原蒸汽火车、地标建筑，到照片转 3D 带看片，初级建模外包的护城河被抹平。二是独立游戏开发：Astra 首次真正理解物理引擎与即时交互，几分钟内即可生成带漂移、碰撞、道具系统的 3D 联机游戏。三是桌面专业软件代操作：Computer Use 能力让它接管 Final Cut 剪辑、Canva 绘画、PCB 布线等工作，靠熟练度吃饭的岗位正被颠覆，而普通创作者则获得前所未有的创作机会。
作者陈硕实测 GPT-6 Astra 一整天，通过 30-45 分钟制作可跑的 3D 游戏 Demo，验证了其核心能力。文章总结了 GPT-6 的四大升级：Computer Use 真正执行操作、异步工具调用、任务中追加指令、推理强度按阶段切换。还筛选了 X 上三个典型案例：重建火车图为 3295 个可编辑对象、自动跑模拟器测试、核对 41 份财务文件。作者强调应将 AI 整合进工作流，拆分输入、工具调用、验收和人工确认环节，而非神化模型能力，敏感操作仍需人工把关。
OpenAI发布GPT-6 Astra后，早期演示显示其能力远超以往模型，更接近AGI。文章盘点了7个最佳用例：Matt Shumer让Astra在Unreal Engine中构建自主运行的AI智能体模拟世界；Riley Brown让它在28分钟内改进FPS游戏地图并修改20个文件；Paul Solt用13分钟从单一提示词构建出个人iOS应用；Ben Davis展示其在Final Cut Pro中像人类一样完成视频剪辑和调色；Yunfan Ye用Zillow房源照片一镜生成3D房屋模型和宣传视频。Astra的核心突破在于可自主规划、执行、检查错误并持续工作数小时甚至数天。
作者分享了使用 OpenAI GPT-6 Astra 的五点心得。Astra 能够操作各类桌面应用（如 BrickLink Studio 十分钟内完成乐高金门大桥模型），并能自然地结合代码与应用完成任务。它能承担更多产品层面的思考，例如自动补全快捷键、图层等交互设计，帮助作者快速构建个性化软件。Astra 在 Blender 3D 建模方面表现出色，无需旧版辅助 Skill 即可胜任任务。作者建议：给 Astra 开放实际工作所需的应用权限，先用原生能力尝试而非依赖旧 Skills，给出想法和参考即可，不必事无巨细地指定每个交互细节。
作者 Nick 分享了他如何用 Astra（在 Codex 中）制作 ChatGPT 官方 Instagram 内容。他把素材拖入 Codex，通过自制的 UGC Video 插件描述故事和节奏，Astra 通过转录和帧分析自主选择镜头、剪辑、加字幕并用 FFmpeg 合成，还会用子代理循环审查输出，比如让模糊遮罩跟随滚动文本。长视频可以自动剪出短视频片段，动效设计则通过提供代码库上下文、先定静帧再动画化完成。整个流程只需约 30 分钟拍摄加零散 10 分钟审查即可当天产出成品视频。
本文整理了 Matthew Berman 对 OpenAI Codex 工程负责人 Tibo 的访谈。Tibo 谈及 DeepMind 不敢出货的教训、ChatGPT 与 Codex 合并的理由（未来模型需要统一界面与 harness）、下一代模型对超越单机算力的需求、Ultra Fast 的 14 倍速度如何改写人机分工、额度重置的文化意义，以及用模型优化自身推理基础设施的“早期递归自我改进”。核心理念是技术应迁就人的注意力，让个人 AGI 成为理解用户的统一代理。
OpenAI 于 8 月 1 日公布了数学与理论计算机科学方向的十项新进展，涉及几何、密码学、复杂性等长期问题。这些成果来自下一代模型 Astra 的内部版本，配套了 253 页论文、推理叙述和 Lean 形式化证明仓库。文章强调，这不仅是模型能力的展示，更标志着 AI 从生成文本转向生成可验证的研究产物。作者提醒读者不要过度解读为“AI 替代数学家”，而是关注其带来的可验证输出标准，这对未来 AI 工作流和科研模式具有深远影响。
文章介绍了OpenAI于8月1日公布的数学与理论计算机科学领域十项新进展，涵盖高维球堆积、编码理论、Connes刚性猜想、算术电路复杂度、多色Ramsey数等长期开放问题，既有新上下界也有反例。这些结果由内部版Astra模型生成，总成本仅约2000美元，随后由人类研究者配合整理成论文，并用Lean形式化证明系统验证。作者认为AI在科研中的角色正从读论文、辅助推导走向搜索开放问题、提出新证明、形式化验证与人类审查的闭环。
