Astra的推理档位别一上来就拉满

这几天刷到不少GPT-6 Astra省Token的帖子。我这边刚把API跑起来，第一反应是账单有点吓人。素材里提到，Astra API输入约每百万token十美元，输出五十美元，比上一代贵不少。

所谓Reasoning Effort，就是推理强度等级。这个概念不太懂时，我就把它理解成模型努力程度。我试了一下发现，开放任务确实需要高档，但普通改错、格式整理、单文件小修也丢进high或xhigh，很容易出现一种尴尬，它很认真，但认真得没必要。

一句话点评，Astra省Token的关键是先把任务拆干净。架构、跨模块、支付、安全这类活儿交给Astra；边界清楚的bug、文献摘要，先用便宜档或上一代模型，验收标准不变就行。

“端到端省Token”这种说法需要警惕。第三方benchmark里有max effort输出token约降一成的数据，可到了自己的工具链、数据库查询、PDF抽取场景，省不省取决于提示词、工具轮次和返工率。模型更努力，不等于流程更省钱。

建议默认从medium开始，复杂任务再升high或xhigh。做代码、长文档、多步骤agent，可以推荐Astra；只是日常问答和润色，不推荐一上来追新，先把任务分类做好，比什么档位都省。