鹈鹕骑单车对比图：Astra 各档推理比 Sol 全系更划算
Simon Willison 用 SVG 鹈鹕网格实测 GPT-6 Astra 与 Sol/Terra/Luna：画质跨档碾压，低价档已胜过 Sol max，且 token 更省。
结论
Simon Willison 拿到 GPT-6 Astra 后，用同一提示让各模型生成「鹈鹕骑单车」的 SVG，并按 low / medium / high / xhigh / max 推理档位排成对比网格，同时对照 GPT-5.6 Sol、Terra、Luna。结果不只是好玩：Astra 从低档到高档的画质全面优于 Sol 任意档位；按单次任务成本算，Astra low（约 9.55 美分）已好过 Sol 全系。选模型时别只看标价倍数，还要看实际消耗 token 数和低档是否够用。
要点
-
推理档位（reasoning level） 是 OpenAI 部分模型上的参数，控制模型在生成前「多想几步」。Astra 不支持
reasoning=none，最低从 low 起；对比时应在同一提示、同一输出格式下扫齐各档，否则容易把「模型差异」和「提示差异」混在一起。 -
画质差距肉眼可见，且低档 Astra 已领先上一代旗舰。 Sol 最好的 xhigh 鹈鹕仍像抽象几何块；Astra 从 low 到 xhigh 每一张都更清晰。max 档细节最好，但非 max 档偶发「鹈鹕两条腿没分在画面两侧」——说明最高档不是唯一解，要看任务容错。
-
标价贵一倍，账单未必贵一倍。 Astra API 约 $10/M 输入、$50/M 输出，Sol 约 $5/$30，名义价约 2×；但同任务下 Astra 各档输出 token 明显更少，拉平实际价差。算成本要用「美元/次成功任务」，不能只用百万 token 牌价。
-
输入 token 数暴露模型族谱线索。 同一提示下 Astra 与 Luna 均约 16 个输入 token，Sol 与 Terra 约 26。Simon 推测 Astra 与 Luna 在 tokenizer 或提示处理上可能更近——你做多模型路由时，若发现某两家行为像，可合并评测样本，少做重复实验。
-
10 美分预算的选型结论很直白。 花约 10 美分，Astra low 的 SVG 质量胜过任意 Sol 档位；继续加钱上 Sol max 仍不如 Astra 入门档。对「要可读图形 / 结构化输出」类任务，先试 Astra low，再按需升档，比默认绑死旧旗舰更合理。
怎么做
-
定一个可目视判定的探针任务。 复制 Simon 的思路：选一个输出格式固定、好坏一眼能分的用例（SVG、简单 UI 草图、Mermaid 等），写死提示词，禁止模型自由发挥无关细节。
-
扫齐推理档位并留档。 对 Astra 依次调
low → medium → high → xhigh → max（若 API 支持），Sol/Terra/Luna 用可比档位；保存原图、token 用量、美元成本三列，方便和团队对齐。 -
用网格而不是单张截图汇报。 把同提示、多模型、多档位排成一张表（行=模型，列=档位），评审时先问「低档是否已达标」，再决定要不要为 max 买单。
-
算总账时乘上 token，不是只乘牌价。 记录每次
input_tokens、output_tokens，用官方价目表算单次成本；若 Astra 少吐 30% token，2× 牌价可能只变成 1.3× 实付。 -
生产路由先 low 后升档。 图形/结构化生成类任务：默认 Astra low；出现明显结构错误（如构图缺元素）再升到 high/max。编码 Agent 仍按你业务 benchmark 测，但别假设「新旗舰必须全程 max」。
关键图表
同一提示下的跨模型、跨档位画质与成本对照——低档 Astra 已全面胜过 Sol 任意档（图源：Simon Willison）