GPT-6 Astra 推理强度定价实测：max 比 low 贵 2.3 倍，答案相同
在 GPT-6 Astra 上，reasoning_effort: "max" 的花费是 low 的 2.3 倍，而在全部 11 个已验证任务上返回相同答案；唯一改变准确率的设置是 none——33 次运行失败 17 次。reasoning_effort 是控制模型在回答前做多少隐藏思考的请求参数，思考按输出价计费为 reasoning tokens，从 none 到 max 的有序档位就是这篇测的梯子。
梯子与文档不符：API 自己的输入检查宣传七个值，其中一个（minimal）在每个模型上都被拒绝，一个文档从未提及的值（disabled）在 Astra 上被接受且不会关闭任何东西。这影响怎么读 OpenAI 的发布基准——报告为"任意 effort 下的最大值"，排行榜数字来自梯子最贵的一档。
TL;DR
- GPT-6 Astra 接受七个 reasoning_effort 值（含 none 和 disabled）；文档列五个并称 none 不受支持；
- none 是唯一把 reasoning tokens 清零的值，它失败 33 个已验证任务里的 17 个；其他每档 33/33；
- disabled 花 243 个 reasoning tokens（对比 low 的 151），每个正确答案贵 54%，准确率相同；
- 按牌价，GPT-6 Astra 每个正确答案成本是 GPT-5.6 Sol 的 1.57 倍（low）与 2.57 倍（max）——在两者都答对的工作上。
基准上的位置
agent 风格工作（模型在循环里驱动工具，常在终端）领先；在 Humanity's Last Exam 和 Artificial Analysis Intelligence Index（十个评测的独立聚合）上落后 Claude Fable 5.1。且每个分数都报在"最高档位"——表格里：Terminal-Bench 4.0 Astra 57.9% vs Sol 37.3%、Fable 5.1 55.8%；Terminal-Bench Science 0.1 Astra 64.6%；FrontierMath Tier 4 Astra 97.6% vs Sol 83.0%；ARC-AGI-3 Astra 99.9% vs Sol 7.8%；Humanity's Last Exam with tools Astra 57.2% vs Fable 5.1 65.0%（差 7.8 分，在表里但不在正文里）；Artificial Analysis 指数 Astra 61.2 vs Fable 5.1 65.7——Astra 在 OpenAI 自己的表里落后于 Fable 5.1、Opus 5 和 Fable 5。
还有三点：网络安全分数是 OpenAI 自述"没有生产防护"下测的，正式发布的模型"会拒绝"概念验证漏洞利用任务；表格下那句连接基准与账单的话是"评测分数为任意 effort 下的最大值"。
实践建议
- 用 API 前实测自己任务的 effort 档位：多数任务 low 与 max 答案相同，成本差 2.3 倍；
- 读模型发布基准先问"这个分数是哪个 effort 档位报的"——"最大值"意味着最贵档；
- 成本敏感场景别默认 max，从 low 起步用任务级评测验证增量收益。
来源：GPT-6 Astra Reasoning Effort: max Costs 2.3x low for the Same Answers - DEV Community