作者对 GPT-6 Astra 软件工程的实用性表示怀疑，尽管其能力令人印象深刻。他们引用了‘内卷’概念——即投入产出比无法成比例提高——描述了一个周末实验，使用 Astra 运行‘软件工厂’。系统在 35 小时内消耗了约 40 亿 tokens，但产出了无价值的内容。核心问题在于 Astra 的训练激励：大力奖励完成长期任务，但未足够惩罚生成低质量代码。这表现为在 TypeScript 项目中过度使用且独特的 Python 用于工具调用——包括用于编辑 C 代码的字符串拼接。尽管 Astra 在 3D 生成和逆向工程（例如机器人吸尘器）方面表现出色，但其编码输出对于实际工程仍不可靠。作者怀疑模型奖励结构存在根本性错位，使其擅长坚持但不擅长生成可维护的软件。