# 影片筆記：7 分鐘短版｜GPT-6 Astra 三大重點一次攤開，快速看懂到底哪裡好用？


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=82 已先套用暫定修正：這個模型能夠描繪出一個 → 這個模型能夠生成一個；segment=162 已先套用暫定修正：轉向功能讓您能在回應仍 → 轉向功能讓您能在回應仍在進行中時，為模型提供）
- 待修正：逐字稿可先使用，但有待校正清單（segment=82 rapid_semantic_review: 全文速讀上下文判斷；尚未回聽或交叉比對；segment=46 rapid_semantic_review: 上下文提到'拍張照'、'傳給 Codex 繪圖'、'以梵谷風格繪製這張圖'，推測原意為'根據照片描繪場景'。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結
影片介紹 OpenAI 發布的 **GPT-6 Astra** 模型，強調其三大核心升級：具備類人電腦操作能力（Computer Use）、輸出品質與複雜任務處理能力顯著提升，以及支援非同步工具呼叫與中途轉向（Steering）的協作機制；儘管 API 單價上漲 2.5 倍，官方宣稱總成本降低，但建議使用者自行實測評估。

## 核心重點
1.  **Computer Use（電腦操作能力）**：模型能透過截圖觀察螢幕並操作滑鼠與鍵盤，顯著提升軟體操作、填寫表單及 QA 測試的效率與準確率。
2.  **輸出品質提升**：在 3D 模型生成、文件排版及投影片製作上表現更優，個性更自然，能處理更複雜的長任務。
3.  **互動協作機制**：引入「非同步工具呼叫（Async Tool Calling）」與「轉向功能（Steering）」，允許模型在等待結果時繼續其他任務，或讓使用者在中途介入改變方向，無需重新開始。
4.  **價格爭議**：API 價格上漲 2.5 倍，官方宣稱完成任務總成本降低 30%-60%，但第三方計算結果顯示可能變貴，建議自行實測。

## 詳細大綱

### 1. 前言與核心承諾
*   OpenAI 發布 GPT-6 Astra，API 價格上漲 2.5 倍。
*   官方宣稱三大優勢：更會操作電腦、輸出更順更好、中途可插話改方向。
*   講者觀點：Astra 如同經驗豐富的夥伴，能處理定義不明確的大方向任務，減少手把手指導。

### 2. 重點一：Computer Use（電腦操作能力）
*   **定義**：模型能像人類一樣使用電腦或瀏覽器，看到螢幕內容並操作滑鼠/鍵盤。
*   **示範案例**：
    1.  拍攝照片。
    2.  傳給 Codex 繪圖。
    3.  用 Krita 以梵谷風格繪製。
    4.  背景加上金門大橋。
    *   *註：全程自動操作軟體。*
*   **技術原理**：透過持續截圖查看螢幕狀態，決定下一步動作，應用程式可在背景執行。
*   **效能數據**：
    *   完成時間減少一半（75分鐘降至40分鐘）。
    *   完成率從 66% 提升至 73%。
*   **應用場景**：填寫 API key 表單、行動應用程式 QA、日常軟體操作。

### 3. 重點二：輸出品質與複雜任務處理
*   **3D 模型生成**：擅長生成高品質渲染圖（如花園、船塢、戴森球等），官網示範為房子夜景並可環繞檢視。
*   **文件與投影片**：輸出成果更易閱讀，排版與層次經過整理，類似人工整理過的樣子。
*   **效能數據**：
    *   辦公室工作自動完成測驗從 18 分提升至 41 分。
    *   整體獨立指標（加權平均）僅為 61 分，與上一代持平。
*   **互動體驗**：個性更自然，回饋時的來回互動更順暢。

### 4. 重點三：協作機制升級（Async Tool Calling & Steering）
*   **背景**：隨著任務變長變複雜，需要新的配合方式。
*   **非同步工具呼叫（Async Tool Calling）**：
    *   過去：派任務查詢資料或跑程式時，模型會停止等待結果。
    *   現在：模型可先處理任務其他部分，待結果回來後再接上，實現「同時間做兩件事」，加快整體速度。
*   **轉向功能（Steering）**：
    *   定義：在回應進行中時，提供新上下文或改變方向。
    *   案例：整理市場報告時，中途要求加入去年數字比較。
    *   優勢：模型會接續進度調整步驟，無需取消正在運行的工具或重新開始任務。

### 5. 結語：可用性與價格爭議
*   **可用性**：GPT-6 Astra 已於 ChatGPT、Codex 和 API 中提供。
*   **訂閱方案**：ChatGPT Plus、Pro、商業版及企業版皆可使用（企業版預設關閉，需管理員開啟）。
*   **價格討論**：
    *   OpenAI 說法：單價漲 2.5 倍，但完成任務總成本反而便宜 30%-60%。
    *   第三方說法：計算結果顯示仍會變貴。
    *   結論：雙方算法公開但無共識，建議使用者自行實測。

## 工具 / 模型 / 名詞整理
*   **模型/產品名稱**：
    *   GPT-6 Astra
    *   OpenAI
    *   ChatGPT
    *   Codex
    *   API
*   **軟體/應用名稱**：
    *   Krita
    *   行動應用程式（泛指）
*   **功能/技術術語**：
    *   Computer Use
    *   Async Tool Calling（非同步工具呼叫）
    *   Steering（轉向功能）
    *   API key
    *   QA（品質保證/測試）
    *   3D 模型 / 渲染圖
    *   戴森球
    *   金門大橋
    *   梵谷風格

## 操作流程整理
1.  **電腦操作任務（Computer Use）**：
    *   使用者提供目標（如：根據照片繪製特定風格圖片並添加背景）。
    *   模型透過截圖觀察螢幕狀態。
    *   模型自動操作滑鼠與鍵盤，啟動並操作相關軟體（如 Codex、Krita）。
    *   模型在背景執行應用程式，逐步完成繪圖與後期處理。
2.  **複雜任務協作（Async & Steering）**：
    *   使用者下达長任務指令。
    *   模型啟動非同步工具呼叫，先處理部分任務，同時等待其他工具結果。
    *   若中途需調整方向（如加入新數據），使用者使用「轉向功能」提供新上下文。
    *   模型接續進度調整步驟，無需取消或重新開始。

## 值得注意的限制或風險
*   **價格不確定性**：雖然官方宣稱總成本降低，但第三方計算顯示可能變貴，且雙方算法無共識，使用者需自行實測。
*   **企業版設定**：企業版預設關閉相關功能，需管理員手動開啟。
*   **效能指標差異**：特定任務（辦公室工作）評分提升顯著，但整體獨立指標與上一代持平，需留意實際應用場景的差異。

## 逐字稿辨識疑點
*   **GPT-6 Astra**：逐字稿中明確提及此名稱，但 OpenAI 官方通常以 GPT-4o 或 GPT-5 等命名，此處「GPT-6 Astra」可能為影片講者口誤、特定內部代號、聽寫錯誤，或為該影片特有的稱呼。需查證 OpenAI 官方是否確實發布名為 "GPT-6 Astra" 的產品。
*   **Krita 以梵谷風格繪製**：講者提到「用 Krita 以梵谷風格繪製這張圖」，通常 Krita 為繪圖軟體，若指 AI 生成則可能混淆了軟體名稱與風格描述，或指透過 API 呼叫 Krita 相關功能？需查證 Krita 是否具備此 AI 繪圖整合功能，或是否為聽寫錯誤（例如指其他 AI 繪圖工具）。
*   **戴森球**：講者提到模型能生成「戴森球」的渲染圖，此為科幻概念中的巨型結構，作為 3D 生成範例雖有可能，但需確認是否為官方示範內容或講者個人經驗。
*   **企業版預設是關的**：關於企業版預設關閉轉向功能或 Astra 功能的描述，需查證 OpenAI 企業版具體設定。
*   **價格數據**：「做完一件任務反而會便宜三到六成」與「貴 2.5 倍」的對比邏輯，以及第三方計算結果，屬於影片中的觀點，需查證 OpenAI 官方定價表與第三方分析報告以確認數據準確性。
*   **segment 82: rapid_semantic_review**：全文速讀上下文判斷；尚未回聽或交叉比對。
*   **segment 46: rapid_semantic_review**：上下文提到'拍張照'、'傳給 Codex 繪圖'、'以梵谷風格繪製這張圖'，推測原意為'根據照片描繪場景'。
*   **segment 130: rapid_semantic_review**：前文提到'3D模型'，後文提到'投影片跟文件'，此處指代明確，無需大幅修正，僅需確認語氣。

## 可延伸追問
*   GPT-6 Astra 的具體定價表與上一代模型的詳細對比數據為何？
*   Computer Use 功能目前支援哪些作業系統與應用程式？
*   非同步工具呼叫與轉向功能在實際開發中的 API 呼叫方式為何？
*   企業版管理員如何具體開啟或關閉這些新功能？