代码审查中最艰难的工作往往发生在变更行之外。一次变更在孤立环境中看似正确，但仍可能在系统的其他地方破坏代码。这正是我们对 Open AI 的 GPT-6 Astra 的早期结果最引人关注的地方。在我们的评估中，Astra 通过可操作的发现结果比 GPT-5.6 Sol 多捕获约 4% 的标记缺陷，比 Opus 5 多捕获约 22%。最大的提升出现在更难的跨文件审查中，在那里 Astra 的收益相比 Sol 提升了 20%，相比 Opus 5 提升了 33%。以客户规模使用这一能力也意味着保护客户数据并评估该模型的公共 API 定价。Astra 的标准 API 费率为每百万输入令牌 10 美元，每百万输出令牌 50 美元。在固定使用量为 100,000 个输入令牌和 10,000 个输出令牌的情况下，Astra 的成本是 Sol 的 2.5 倍，Terra 的约 4.7 倍，Luna 的约 47 倍。这些是推理密集型任务值得的溢价。更强大的推理需要付出更高的代价，团队必须评估哪些地方额外的能力可以证明其成本是合理的。Astra 的优势在于复杂的分布式推理场景，而非例行的修复工作。