先講結論：日常工作從 Astra Low 開始用，完全合理。但不用把它鎖死。先用 Low，漏了再升到 Medium，High 和 xhigh 只留給真正需要的少數工作。
看到模型選單裡寫著 Low，多數人會以為是「省錢檔」「只能做簡單的事」「沒認真想」。
GPT-6 Astra 的 Low 偏偏不是這樣。
在 Artificial Analysis 的同一套第三方評測裡，Astra Low 的綜合分數（Intelligence Index）比 GPT-5.6 Sol xhigh 高。在幾項考驗 AI 自己寫程式、完成任務的評測上，差距更大。而且以這套評測的任務來算，每個任務的花費反而更低。[1]
那就難免要問：
「那我是不是一直用 Astra Low 就好了？」
名字叫 Low，做起事來可一點都不低調。
1. 先看數字：Sol xhigh 和 Astra Low/Medium/High/xhigh
截至 2026 年 9 月 12 日，Artificial Analysis 的比較數據如下。[1][2][3][4]
| 設定 | Intelligence Index | AutomationBench-AA | Terminal-Bench v4.0 | SciCode | AA 每任務成本 | 輸出token/任務 | 推理token/任務 |
|---|---|---|---|---|---|---|---|
| GPT-5.6 Sol xhigh | 44 | 55% | 25% | 57% | $1.18 | 約20k | 約10k |
| GPT-6 Astra Low | 46 | 59% | 42% | 54% | $0.82 | 約4k | 約938 |
| GPT-6 Astra Medium | 50 | 65% | 49% | 54% | $1.54 | 約10k | 約3k |
| GPT-6 Astra High | 51 | 67% | 54% | 55% | $1.72 | 約12k | 約5k |
| GPT-6 Astra xhigh | 53 | 67% | 60% | 56% | $2.31 | 約17k | 約9k |
別把 46 和 44 解讀成「聰明了 4.5%」。Intelligence Index 是把多項評測合在一起的綜合分數，不像價格或距離，可以直接拿來算比例。
比較準確的說法是：同一套評測裡，Astra Low 得 46，Sol xhigh 得 44。在考驗 AI 自己動手完成終端機任務的 Terminal-Bench v4.0 上，是 42% 對 25%。[1]
不過 SciCode 上，Sol xhigh 是 57%，Astra Low 是 54%。所以 Astra Low 並不是樣樣都比 Sol 強。[1]
2. 最奇怪的地方：單價貴 2.5 倍，Low 的任務花費卻更低
| 模型 | 輸入 / 100萬 token | 快取輸入 / 100萬 token | 輸出 / 100萬 token |
|---|---|---|---|
| GPT-5.6 Sol | $4 | $0.40 | $20 |
| GPT-6 Astra | $10 | $1 | $50 |
用同樣多的 token，Astra 是 Sol 的 2.5 倍。
Work/Codex 的官方 credit 比例也一樣：Astra 每 100 萬 token 是 250 / 25 / 1,250，Sol 是 100 / 10 / 500。[7]
可是 Artificial Analysis 測出來，每個任務 Astra Low 是 $0.82，Sol xhigh 是 $1.18。[1]
原因很簡單：單價貴的模型，只要用的 token 少很多，一個任務的總花費照樣可能比較低。
在這套評測裡，Sol xhigh 每個任務大約用了 20k 輸出 token 和 10k 推理 token，Astra Low 只用了約 4k 和 938。[1]
就像一台貴的計程車直接開到目的地，一台便宜的計程車卻先繞著社區轉了三圈。
不過要注意，$0.82 和 $1.18 是 Artificial Analysis 用自己的評測任務算出的加權平均，不代表你自己的 Codex 專案一定會花這麼多。[1]
3. OpenAI 自己也建議從 Low 或 Medium 開始
OpenAI 針對 Work/Codex 的 Astra 使用指南說明：選哪個模型，和讓模型想多深（推理強度），是分開調整的。[8]
想得少的檔位，適合想要快、或想讓額度用久一點的時候。Medium 在速度和深入思考之間取平衡。想得多的檔位，留給真正困難的問題。[8]
官方還明講，Astra Low 有時能勝過 Sol High；如果你用 Sol High 效果不錯，建議先試試 Astra Low 或 Medium。[8]
還有一句更重要的：讓模型想得更多，不一定會有更好的結果。[8]
這可不是「商店裡最貴的劍，打哪一場都最強」的遊戲。
4. 哪些工作適合長期交給 Low？
目標、檔案和驗收標準都清楚的工作，最適合把 Low 當預設。
例如：
- 需求明確的功能實作
- 只改現有程式的一小部分
- 重構（不改變功能，只整理程式碼）
- 補上測試
- 一般的程式碼審查
- 查找已知的錯誤
- 做摘要、做比較表
- 照固定規則反覆執行的工作
這類工作不是想得越久越好。想得短、做得準、早點進到下一步，整體反而更快。
OpenAI 也建議，在把推理調高之前，先確認指示是否清楚，需要的檔案、連接的應用程式和權限是否都給了。想得再多，也變不出缺少的資訊和權限。[8]
檔案都沒給，再開 xhigh 也看不到內容，它又沒有透視眼。
5. 什麼時候從 Low 升到 Medium？
Low 漏掉了一次說得很清楚的要求，不用馬上跳到 xhigh。先升一檔到 Medium 就好。
Medium 適合下面這些情況：
- 相依關係跨好幾個檔案
- 需求含糊
- 一個 bug 有好幾種可能的原因
- 要在幾種設計之間取捨
- 較長的實作計畫
- 一邊看失敗的測試一邊修
Astra Medium 的 Intelligence Index 是 50，Terminal-Bench v4.0 是 49%，每個任務 $1.54。[2]
比 Low 的 46 / 42% / $0.82 明顯更強，但還不是最重的一檔。
可以把 Medium 當成「Low 有點草率，但也沒必要出動坦克」時的 Boss 戰裝備。
6. High 和 xhigh 什麼時候值得用？
如果 Medium 還是抓不到核心問題，或是設計改動的副作用很大，或是像同時處理多件事、速度、安全、資料搬移這類，一旦判斷錯了要花很多力氣補救，就可以上 High。
Astra High 的 Index 是 51，Terminal-Bench 是 54%，每個任務 $1.72。[3]
比 Medium 好一些，但還沒好到值得把所有工作都固定在 High。
xhigh 更適合最難的根本原因追查、放手讓它長時間自己做的工作、牽涉多個限制條件的大改造，以及一旦失敗代價很高的一次到位的工作。它的 Index 是 53，Terminal-Bench 是 60%，是這五檔裡最高的，每個任務 $2.31，也是最貴的。[4]
每次都用 xhigh，就像去便利商店也要搭直升機。
去得了，也很強，大概會到。可是油錢得算一算。
7. 那 Sol xhigh 已經沒用了嗎？還不能這麼說
Astra Low 再有吸引力，說「Sol 已經完了」也還太早。
第一，不同評測的贏家不一樣。SciCode 上 Sol xhigh 是 57%，Astra 的 Low 和 Medium 是 54%，High 是 55%，xhigh 是 56%。[1][2][3][4]
第二，同樣的 token 數，Sol 的官方單價比 Astra 低 60%。Astra Low 在評測裡每個任務比較便宜，是因為那套任務裡它用的 token 少很多，換成你自己的實際工作，不一定還是這樣。[5][6][1]
第三，真實專案裡有評測裡沒有的東西：特殊的建置方式、團隊內部的規矩、各種工具、權限，還有很長的歷史。
基準測試是一張地圖，量不出你家門口那一階樓梯有多高。
8. 實用規則：從 Low 開始，需要才升級
| 情況 | 建議 |
|---|---|
| 開始一個普通的新工作 | Astra Low |
| 指示和權限都齊了，但核心要求漏了一次 | Astra Medium |
| Medium 還是抓不到核心 / 難度高的設計 | Astra High |
| High 也搞不定 / 失敗代價很高 / 最難的根本原因 | Astra xhigh |
| 難關解決了，回到日常工作 | 改回 Low |
這樣既不會一開始就把額度燒在最高檔，也不會死守 Low、一次又一次重複同樣的失敗。
把推理強度當成檔位，別當成個性。
9. 結論：「一直用 Astra Low？」預設可以，固定不行
依 2026 年 9 月 12 日的公開資料，日常的 Codex 工作從 Astra Low 開始，是很強的做法。
在 Artificial Analysis 的評測裡，它的綜合分數比 Sol xhigh 高，Terminal-Bench 上領先很多，每個任務的花費也更低。[1]
OpenAI 自己也推薦把 Low 或 Medium 當起點，並說明調高推理強度不保證答案更好。[8]
用法很簡單：
平常用 Low。遇到含糊、複雜或真的漏了的時候升到 Medium。Medium 還搞不定再上 High。只有最難的工作才用 xhigh。解決了就回到 Low。
別被 Low 這個名字騙了。
Astra Low 頂著省電模式的臉，其實是先發主力。
參考資料（8筆）
- Artificial Analysis — GPT-6 Astra (low) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (medium) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (high) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (xhigh) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- OpenAI API — GPT-6 Astra Model developers.openai.com
- OpenAI API — GPT-5.6 Sol Model developers.openai.com
- OpenAI Help Center — ChatGPT Rate Card (Business, Enterprise/Edu credit-based pricing) help.openai.com
- OpenAI Help Center — Managing usage with GPT-6 Astra in Work and Codex help.openai.com
