给 AI 一份业务数据、一套公司模板，再告诉它“做一份季度经营汇报”，接下来会发生什么？

这项工作需要读取表格、计算指标、寻找异常、选择图表、编写结论，再把内容排进演示文稿。GPT-6 Astra 面向的，正是这种需要理解目标、调用工具、连续执行的专业任务。

OpenAI 已将 Astra 上线至 ChatGPT Work、Codex 和 API。它能够结合代码、浏览和计算机使用能力，在现有文件和应用中推进工作，包括通过界面操作没有开放 API 的软件。官方介绍

对团队来说，这意味着可以把一项完整工作的目标、材料和交付要求一起交给 AI，让它参与从准备到成稿的多个环节。

如果你需要在工作流中接入API，自由切换全球200+大模型，魔芋提供合规保障、财务开票、企业级网关、技术支持与定制服务，助力更高效地管理应用AI能力。

链接注册：https://www.konjac.ai/sign-up?aff=qBX9

计算机使用，让 AI 通过软件界面完成任务

计算机使用，也就是 Computer Use，指模型借助工具观察应用界面，执行点击、输入、滚动等操作，再根据界面变化决定下一步。

例如处理一份表格，模型可以打开文件、定位工作表、输入内容、查看结果。需要批量计算时，也可以配合代码处理数据。

几种工作方式各有擅长的环节。

工作方式	怎样执行	适合的任务
代码执行	编写程序处理数据与文件	批量清洗、统计计算、格式转换
API 调用	通过软件接口交换结构化数据	系统查询、数据同步、业务集成
计算机使用	观察界面并执行交互操作	桌面软件、网页后台、可视化编辑
组合使用	根据步骤选择合适工具	跨文件、跨应用的完整任务

这里的变化是，软件界面也成为了 AI 的操作入口。已有的桌面工具、行业软件和网页系统，都可以成为评估接入的对象。

企业可以先选定一个应用、一类任务，配置好访问权限，再从现有流程中开始试用。

Excel 与财务分析，先做整理、核对和建模

官方展示了 Astra 通过计算机使用完成 Financial Modeling World Cup 挑战的案例，称其速度约为获胜人类选手的四倍。挑战来自 2023 年 Microsoft Excel 世界锦标赛。Excel 案例

这个案例展示了模型理解表格任务、执行操作和构建结果的能力。日常工作中，可以优先安排几类容易检查的任务。

应用任务	输入材料	建议交付物
多表汇总	不同部门提交的业务表格	字段统一的汇总表、处理记录
报表核对	不同时期或系统导出的报表	差异清单、来源位置、待确认项
经营分析	收入、成本、销量等数据	指标计算、趋势图、异常说明
模型搭建	业务假设、计算规则、历史数据	可调整的输入项、公式与结果页

要让任务更容易执行，关键是写清匹配字段与统计口径。

例如，把“帮我核对这两张表”改成下面这样。

按客户编号和月份匹配两张表，比较收入与回款金额。把差异整理到独立工作表，保留两边的原始数值和来源位置，并单独列出匹配失败的记录。

这份要求明确了匹配方式、比较对象和输出结构。拿到结果后，分析师可以直接沿着来源检查差异，再判断其业务含义。

公司 PPT，模板、资料和任务要求一起交

Astra 的另一项重点，是更好地遵循公司的语气、模板和设计规范。

官方展示中，它参考 OpenAI 演示模板里的几张幻灯片，制作了一份介绍虚构模型 GPT-Gaia 的演示文稿，并延续了模板的语气和版式。

Hebbia 在自己的评测中也给出了结果。相比其测试中的次优模型，Astra 对简报要求的遵循度提高 17%，将论据引用到正确文档的频率提高 19%。演示案例与客户评测

这类能力适合经营汇报、客户提案、项目复盘和培训材料。准备任务时，建议提供三个部分。

材料	具体内容	作用
内容来源	数据表、会议纪要、研究资料	决定报告讲什么
设计参考	公司模板、已通过审核的成稿	决定页面怎样呈现
交付要求	目标读者、页数、重点、文件格式	决定怎样算完成

可以直接使用下面这份任务说明。

根据季度数据和会议纪要，制作一份面向管理层的 10 页经营汇报。沿用附件中的公司模板，包括字体、配色、标题层级和图表风格。重点解释收入变化、成本变化与下季度行动。关键数字附来源位置，交付可编辑文件。

同样的方法也适用于文档与设计任务。提供一份团队已经认可的参考成品，模型就有了更具体的内容和风格依据。

代码审查，沿着变更追踪影响

在软件工程中，一次修改可能影响多个文件。函数改变返回结构，调用方、错误处理和测试都可能需要跟着调整。

这就是跨文件推理要解决的问题。模型需要把分散的代码联系起来，理解修改意图，并追踪它带来的后果。

CodeRabbit 报告称，在其评测中，Astra 比基线多捕获约 20% 的 bug；对于需要深入跨文件推理的代码变更，捕获率达到基线的两倍以上。其列举的问题包括接口约定变化和授权漏洞，并强调模型会提供具体的验证步骤。CodeRabbit 评测

给 Astra 安排代码审查时，可以要求每项发现包含下面几部分。

• 问题所在的文件与代码位置。

• 触发问题的输入或运行条件。

• 受到影响的调用方和业务行为。

• 复现方法与修复后的验证步骤。

这样得到的结果更接近一份可处理的工程任务。开发者可以根据证据判断优先级，再进入修复和测试。

性能优化也能沿着这条流程开展。

OpenAI 披露，工程团队借助 Astra 找到了导致测试环境中 Codex 会话缓慢的内存分配瓶颈。切换分配器后，该环境的单轮延迟降至原来的约二十五分之一，峰值内存占用增加约 30%。内部工程案例

这类任务的交付物，应同时包括瓶颈证据、修改方案、性能结果和资源变化，方便团队决定是否采用。

多文档分析，结论能回到原始材料

研究简报、供应商比较和项目复盘，往往需要同时阅读表格、演示文稿与说明文档。

Astra 在这类任务中的用途，是把资料阅读、数据推理和报告整理连接起来。

Databricks 表示，Astra 在使用其 Genie harness 的 OfficeQA Pro 与 Pro V2 评测中取得新的最佳成绩，并改善了企业文档理解与数据推理表现。Databricks 评测

Harness 可以理解为运行智能体的配套系统。 它负责提供工具、组织执行过程和接收结果。模型与这套系统配合，才能完成实际任务。

对于使用者，一项很实用的要求是让结论带上来源。

围绕指定问题整理这些材料。每条关键结论附对应文件和页码，表格数据注明工作表或单元格位置。将原始事实、计算结果和分析判断分别写清楚。

这样整理出的报告，后续讨论可以直接围绕证据展开。有人追问某项数据，也能迅速找到出处。

能力对比，分开看基准成绩和客户实测

官方介绍汇集了不同来源的评测。下表保留各自的比较对象，方便理解它们分别说明什么。

评测或来源	考察内容	Astra 公布结果	对应的应用方向
Terminal-Bench 4.0	复杂终端任务	57.9%；Sol 为 37.3%，Fable 5.1 为 55.8%	编程、系统配置、数据分析
Datacurve／DeepSWE v1.1	软件工程任务	74%，并报告更少的步骤与更高 Token 效率	长周期开发与修复
Basis	耗时超过 5 小时的工作流	通过率提升 20%，推理调用次数减少	多步骤业务任务
CodeRabbit	代码审查	比其基线多捕获约 20% 的 bug	变更影响分析
Hebbia	演示文稿与资料引用	简报遵循度提高 17%，正确文档引用频率提高 19%	报告与提案制作

这些结果分别来自官方基准和客户自己的评测环境。它们为选型提供方向，团队可以再用自己的历史任务建立一组测试。评测汇总来源

每百万 Token 的价格，怎样换算成任务成本

Astra API 定价从每百万输入 Token 10 美元、每百万输出 Token 50 美元起。Token 是模型计算输入和输出用量的单位。模型与价格文档

一次复杂任务可能包含多次推理、工具调用和重试。模型完成任务所需的步骤与输出量，会共同影响费用。

在官方公布的 Terminal-Bench 4.0 评测中，Astra 的每任务估算 API 成本比 GPT-5.6 Sol 低约 9%，比 Claude Fable 5.1 低约 63%。这组数据对应的是该评测中的任务成本。成本对比

团队可以用三个指标评估自己的收益。

指标	计算或记录方式	帮助判断什么
完成率	合格任务数 ÷ 总任务数	模型能稳定接住多少工作
人工修正时间	从模型交付到最终通过所需的人工时间	还需要投入多少人力
每个合格任务成本	测试总费用 ÷ 合格任务数	实际完成一项工作的开销

建议选几份已经做过、答案可以核对的任务，固定输入材料和验收标准，再比较不同模型的表现。

企业部署，把可用应用和操作范围配置好

随着模型开始操作业务软件，管理员也需要决定它能够访问哪些资源。

OpenAI 提供的企业控制包括允许访问的网站与桌面应用、上传下载管理、浏览历史控制，以及重大操作的确认策略。ChatGPT Work 和 Codex 还提供对潜在不安全或未经授权工具调用的自动审查。企业控制说明

在内部计算机使用安全基准中，OpenAI 报告 Astra 产生意外结果的频率比 GPT-5.6 Sol 低 89%。这项评测涉及机密信息、共享范围和数据删除等业务场景。

实际配置可以围绕任务安排。例如报表分析只开放相关文件和应用，报告制作允许保存新文件，对外发送则按组织要求设置确认。

面向符合条件的 API 客户，受支持端点还提供需经审批的零数据保留选项。企业可根据自己的数据要求选择配置。

第一次上手，从一份每周都要交的报告开始

周报是一个适合试用的任务。输入比较固定，输出有参考，完成后也容易核对。

准备本周原始数据、上周通过审核的周报和公司模板，再给出这样的要求。

根据本周业务数据制作周报，沿用上周的结构和统计口径。完成指标汇总、异常项目说明和下周待办，关键数字附来源位置。将结果保存为新的可编辑文件，供负责人审核。

跑完以后，记录数据核对、内容整理、图表制作和排版分别完成得怎样，以及负责人还花了多少时间修正。

连续几次的记录，会帮助团队找到最适合交给 Astra 的任务，也能把下一次的要求写得更具体。