AI Tools

GPT-6 Astra 营销人上手一周:Computer Use 改变了什么,10/50 美元定价又把什么挡在门外

GPT-6 Astra 营销人上手一周:Computer Use 改变了什么,10/50 美元定价又把什么挡在门外

Astra 上手三天后,我真正注意到的不是任何一项跑分,而是它不再只是一个对话框。我把过去要耗一下午的营销琐事丢给它——把 40 页竞品 PDF 整理成结构化的对比表、从 200 份销售通话记录里更新 CRM 字段、把 Meta 广告库的导出数据清洗成 Notion 表格。Sol 能做其中一些零碎;Astra 在一个会话里跑完整条链路,直接点击 UI 完成。

OpenAI 在 9 月 3 日发布了 GPT-6,内部代号 Astra(拉丁语意为"星辰")。定价是第一个需要关注的信号:输入 10 美元、输出 50 美元每百万 token——是 GPT-5.6 Sol 的 2.5 倍,与 Claude Fable 5.1 持平。上下文窗口 105 万 token 输入 / 12.8 万 token 输出。知识截止日期 2026 年 4 月 30 日。如果你是 ChatGPT Work 或 OpenAI API 现有用户,正在分批推送给你;否则按 Plus / Pro / Business / Enterprise 的常规节奏,还要两到三周才能全员铺开。

营销人真正能用上的地方。 头条能力是 Computer Use(计算机操作)——Astra 能驱动真实的浏览器,填表单、点击 CMS、拖动表格里的单元格、更新 HubSpot 字段。OpenAI 的安全评估里,Sol 还有 48% 的越界操作,Astra 直接降到 0%——对那些怕让模型碰 CRM 的人来说,这是真正重要的一环。OpenAI 公布的跑分针对的是安全、代码与科学推理(ARC-AGI-3 99.9%、FrontierMath Tier 4 97.6%、OSWorld 2.0 72.6%,且比 Sol 快 47%)。这些一对一不能直接套到营销上,但底层能力——模型可以规划并执行跨软件表面的多步工作流——是可以迁移的。

我已经切到 Astra 的五个工作:

  1. 竞品报告 PDF → 结构化的 Notion 或 Sheets 表格。 40 页分析师演示文档丢到 Drive,让 Astra 打开它,把每家厂商的对比字段提取出来,直接产出一个带对比表的 Notion 页面。一个会话,十分钟。Sol 需要两轮——先抽文本,再结构化——而且我得返工改两遍格式。
  2. 从销售通话记录更新 CRM。 把 200 份 Otter 转写丢到一个文件夹里,让 Astra 打开 HubSpot,匹配每份转写到对应客户,更新"下一步行动"字段。Sol 的匹配准确率只有 60%,每行都得人工复核。Astra 跑到 95% 以上,只把真正模糊的标出来。
  3. 每周 Meta 广告库扫描 → Notion 表格。 这是我之前 竞品监控流水线 的工作流,但新部分是 agent 风格的执行——Astra 自己打开广告库页面、滚动、复制、格式化。Sol 写解析代码;Astra 就是解析器。
  4. 把静态 HTML 邮件重排到 12 个客户端模板。 HTML 邮件是最烦人的重复劳动之一——Outlook、Gmail、Klaviyo 那十几个片段之间的小差异在最糟的时候爆雷。Astra 直接点击进去、内联修改、产出一个能干净粘上去的版本。
  5. 第一轮活动复盘文档的拼装。 把 brief、上线后的指标 CSV 和创意素材丢到一个文件夹里。让 Astra 打开 Google Doc 里的八节式复盘模板,贴入相应章节,写出整段叙述。你仍然负责战略层面的解读,但文档初稿是递到你手上,而不是从空白页开始。

三个我继续留在 Sol、Opus 5 或 Grok 4.5 上的工作——这些场景里 Astra 的 2.5 倍溢价并不划算:

  1. 大批量 SEO brief 改写与 meta 描述生成。 即便是 GPT-5.6 的输入价,200 个关键词的每周刷新只要几分钱。在 Astra 的 10/50 定价下,同样的工作直接跳到几美元。这是堆栈里本应最便宜的那一环,3 倍预算开销不该花在这里。
  2. RSA 标题变体和短文案。 这里的量级很重要——我每周产出 100+ 个 RSA 候选。Astra 写 30 个字符的字符串并没有 100 倍好。Sol 级的输出花 Sol 级的钱。
  3. Slack /research 命令和其他高频低风险的文字任务。 我的 /research 流水线每天跑 4–6 次。把它路由给 Astra,单次是四舍五入的零头,但月底汇总起来是真金白银。继续走便宜模型。

路由原则,一句话:让 Astra 接触软件表面;让便宜模型写文字。 凡是工作流结尾是"它点击了 HubSpot 的 12 个字段并保存了记录"的,Astra 的 50 美元/M 输出就值得花。结尾是"它产出了一份 200 字的 brief"的,Sol、非高峰的 Opus 5 或非高峰的 Grok 4.5 仍然是更对的选择。

一个命名上的提醒,因为我本周已经让两个客户困惑过。如果你搜过"Astra"然后被搜索结果搞糊涂:OpenAI 的 GPT-6 内部代号是 Astra。 Google 也有一个叫"Project Astra"的产品——Gemini Live 里那个实时多模态助手。这是两件不同的事,API 不互通,目标工作也不同。想要那个会驱动浏览器、能搞定营销琐事的模型,选 OpenAI 的。想要那个用相机看屏幕的助手,选 Google 的。

更大的图景。OpenAI 的 Preparedness 评估把 Astra 推到了"Critical"网络安全能力级别——这是为什么一些最尖端的网络安全能力被限制在 Daybreak 项目里。这些对营销人本周的工作没有直接影响。真正影响我们的是:每次工作流的成本上限刚刚抬升,而那些过去对模型来说很"硬"的工作(跨软件表面的多步操作)变成了最简单的部分。未来 12 个月要回答的问题不是"我该不该从 Sol 换到 Astra",而是"在我的流水线里,Computer Use 的溢价在哪里能挣回自己,哪些地方我故意留下便宜模型"。

对大多数团队来说,这就是接下来一周的工作量。本周一我会把"软件表面"类工作切到 Astra。"文字"还是留在美元花得值的地方。