GPT-6 Astra 推理级别详解：低、中、高、极高与最高

GPT-6 Astra 支持五种推理努力设置：low、medium、high、xhigh 和 max。它不支持 none；OpenAI 的推理指南指出，使用 none 的请求在 Astra 上会返回 HTTP 400 错误。如果你正在迁移一个之前禁用了推理的应用程序，这个小的兼容性细节就很重要。

最佳设置并不自动是最大的那个。使用能够可靠通过基于你实际任务构建的评估的最低努力程度。更高的级别会给模型更多推理空间，但应将其视为质量-延迟-成本控制手段，而非保证每个答案都会更好。

本指南解释了各层级在实际操作中的含义、如何在它们之间分配工作，以及如何在不依赖猜测的情况下测试决策。

“推理努力”实际控制什么

推理努力程度决定了模型在生成答案前可以应用多少内部推理。它是在 Responses API 请求的 reasoning 对象中设置的：

const response = await client.responses.create({
  model: "gpt-6-astra",
  reasoning: { effort: "medium" },
  input: "比较这三个生产计划并识别隐藏的依赖关系。"
});

这不是一个传统的创意滑块。它不直接指定写作语气、随机性或输出长度。这些结果应通过指令、模式和明确的长度要求来控制。同样，努力标签也不能保证固定的推理令牌数量、固定的响应时间或通用的准确性提升。输入内容变化太大，无法做到这一点。

OpenAI 当前的模型指南还指出，Astra 工具调用需要使用 Responses API。如果你的工作流程将推理与自定义函数、网络搜索、文件搜索或计算机使用相结合，请围绕 Responses 进行构建，而不是假设旧的 Chat Completions 集成具有相同的行为。

GPT-6 Astra 的五级推理层次

以下建议是实用的起点，并非官方性能保证。请根据您自己的提示词和成功标准进行验证。

低：快速、受限且易于验证的工作

当从输入到答案的路径较短且错误易于检测时，选择低。合适的场景包括提取命名字段、将请求分类到小型分类体系、根据简短规则检查文档、在严格约束下重写文本或调用一个明显的工具。

低投入在第一轮路由层中也很有用。例如，系统可以将请求分类为“剧本反馈”、“角色设计”或“镜头规划”，然后仅将复杂案例发送到更昂贵的路径。

不要仅仅因为提示简短就使用低级模型。一句法律、安全或数学方面的问题仍然可能需要复杂的推理。任务的复杂性来源于依赖关系和后果，而非字数。

媒介：合理的评估基准

medium 是一个在不具备其他设置证据时的良好起点。它适用于常规分析、中等复杂度的草稿编写、多步骤转换以及决策数量较少的工具工作流程。

对于创意制作助理而言，中等能力可能足以将详细的场景简报转化为镜头列表、标记连续性问题并生成经过验证的JSON结构。对于支持助理而言，它可能能够处理政策查询并草拟回复。在升级前需对两者进行评估。

高：复杂依赖与谨慎合成

当模型必须协调多个约束、比较相互矛盾的证据、规划多个依赖步骤或在不丢失核心目标的情况下检查大型工件时，使用 high。示例包括仓库范围的变更计划、存在来源冲突的研究综合报告，或跨多个场景的叙事连续性审查。

当错误代价高昂但任务仍足够可控以便评估时，高努力程度通常是合适的。分镜审查可能需要追踪二十个镜头中角色的服装、场景、灯光、画面方向以及对话的连贯性。这比单纯要求"一个非常好的答案"更能成为提升投入程度的理由。

XHigh：在高难度下失败的困难案例

xhigh 应通过评估赢得其地位。将其保留给那些在高难度下表现出可测量失败率的任务：异常密集的约束满足、长期规划、困难调试或需要仔细协调的模糊证据。

使用选择性路由。一个轻量级分类器、确定性规则或验证失败可以触发对xhigh的第二次尝试，而无需将每个请求都发送到那里。

Max：模型边缘的质量优先工作

max 是支持的最高 Astra 级别。它适用于您最困难、价值最高的提示，当质量比响应速度更重要，并且您的评估显示其优于 xhigh 时。

示例可能包括在代价高昂的迁移前进行的最终架构审查、异常困难的代码调查，或涉及众多相互制约因素的长期创意制作计划。Max 不能替代良好的上下文、清晰的指令、相关工具或人工审查。一个范围界定不当的提示，即便投入最大努力，其范围界定依然不当。

实用选择矩阵

将此作为初始路由策略使用：

| 工作模式 | 起始级别 | 升级条件 | |---|---:|---| | 提取、标记、格式化 | 低 | 模式验证或抽查失败 | | 一般起草与分析 | 中等 | 重要约束条件被反复遗漏 | | 多文档综合或复杂规划 | 高 | 跨文档冲突仍未解决 | | 罕见、难以复现的故障 | 高 | 经过验证的高成本重试仍然失败 | | 最高价值的边缘情况 | 最大 | 仅当测试显示有意义的收益时 |

此表格特意以任务为导向。请勿仅根据客户层级、提示长度或用户要求模型“更努力思考”来路由。您的应用程序比模型更了解风险与预期结构。

如何构建基于证据的路由器

1. 在比较级别之前先定义成功

创建一组具有代表性的真实提示，包括常规请求、困难示例和已知失败案例。尽可能对客观属性进行评分：必填字段是否存在、引用是否有效、计算是否正确、工具参数是否被接受、是否包含禁止性声明以及延迟是否在预算范围内。

对于主观性工作，使用稳定的评分标准，并对评审者隐藏工作量设定。剧本评分标准可评估叙事清晰度、连续性检测、可操作意见及对给定剧本的忠实度。

2. 建立中等基线

以中等规模运行完整集合。记录任务成功率、端到端延迟、重试次数及总使用量。仅凭平均质量不足，需关注最严重的关键失败。在简单提示词上表现完美但忽略安全关键约束的设置，不能作为基准。

3. 常规段测试偏低

识别出中等质量裕度舒适的类别，然后测试低质量。如果低质量仍在你的阈值范围内，则将该类别向下路由。

4. 升级问题，而非事事汇报

在困难切片上比较 high、xhigh 和 max。要求有意义的增益，并使用验证器有选择地重试不完整的响应。

5. 当提示或工具发生变化时重新评估

推理级别是系统的一部分。更好的检索、更清晰的工具描述或更严格的模式，可以让较低级别在嘈杂的上下文中超越较高级别。在实质性变更后重新评估。

在对话中调整努力程度

GPT-6 Astra 支持一个 configuration_update 项，可以在对话中途更改推理努力程度，同时保留现有提示前缀及其缓存资格。OpenAI 在标准单代理流程中为 Astra 记录了这一点。

const followUp = await client.responses.create({
  model: "gpt-6-astra",
  previous_response_id: firstResponse.id,
  input: [
    {
      type: "配置更新",
      推理：{ effort: "high" }
    },
    {
      角色："用户"，
      content: "现在审计每个依赖项，并解释两个风险最大的假设。"
    }
  ]
});

存在重要限制。保持请求级工作量不变；配置更新控制后续推理。相邻配置更新无效。OpenAI还表示该功能与自动压缩和截断不兼容，因此使用该功能的长时间运行应用程序需要明确的压缩方法。

一个实用的模式是：先用中等设置进行初步发现，再切换至高设置进行最终审计。请测试完整流程，因为多轮对话质量与缓存机制至关重要。