与其问 GPT-6 Astra 又变聪明了多少，不如先搞清楚那个叫推理强度的档位到底在模型背后做了什么。过去两周，我烧光了两个 200 美元会员的全部可用额度，把 low、medium、high、Ultra 来回试了个遍。亲手摸完之后的第一反应不是它多强，而是很多人从一开始就把这四档的位置摆错了。GPT-6 Astra 的推理强度并非四个能力递减的模型，而是同一套模型在决定用多少预算把问题想完。Ultra 更不是最快的冲刺，它像后台突然站起来一支专项工作组，把任务拆给多个智能体分头执行，再汇总成答案。弄懂这句话，才能既拿到质量，又不为完全不必要的高档算力买单。
推理强度不是引擎排量，是油箱里剩多少油
同一个模型，只是思考预算是三本账
我把同一道逻辑题分别设成 low、medium、high 跑过几十次。low 的回答最短，只把路径说完，省略验算；medium 开始出现自我检查；high 则像审计师，输出前默默把几种可能的解释都过一遍。但不管答案长什么样，其底层知识、语言风格和推理能力，都来自同一个模型。档位没有把模型换掉，也没打开什么隐藏的参数开关。真正变了的，是模型愿意为这道题花多少 token 预算：用高一点，它就把内部草稿拉长一点；用低一点，它得到答案就起身走人。
low 不傻，high 也不是万能
不少人对 low 有偏见，觉得选了 low 就等于让一个天才闭着眼答题。我的实测恰恰是：当任务简单直接，low 和 high 的答案常常看不出差别；一旦问题需要链条式推理，low 就会因为想得太少开始犯错。而 high 的问题反过来。它把本来一句话就能说清的事情复杂化，把不需要验证的内容也放进内部循环里转几圈。用 high 写一封问询邮件，等于让审计师核验你买菜的小票，结果一样，过程让人着急。
到了 Ultra，游戏规则彻底变了
它更像一支临时被拉起来的专项组
如果说 high 是让一个人把白板写满，再反复自我审视，Ultra 在我体感里就是房间突然多了好几个同事。它把复杂问题拆开，分给不同侧重点的智能体：有人拆解问题，有人做反面论证，有人专门盯你写进约束条件里的话。等各自忙完，再把结论放回同一张桌子上。我不是说后台一定真的有一个“会议室”，但从输出质量和思维轨迹来看，Ultra 处理的不是一个连续推理链，而更像多路线并行、交叉评审后的产物。
什么任务才配得上开一场会？
判断标准其实简单：一个问题是不是已经被清晰定义。如果它本身只有两三种解法，你只需让模型乖乖把每种解法的代价列出来，high 就够了。真正需要 Ultra 的，往往是“连问题都不知道怎么问”的开放场景——从零设计一套 Agent 架构、规划一个产品路线、把互相冲突的材料整合成一份可执行的建议。这些工作天然适合先拆解再合拢，正是专项组存在的理由。
把高射炮架在写周报上
我见过最浪费的操作，是让 Ultra 帮忙把一句话润色得更礼貌。回应速度慢得让人以为网络断了，最后产出也未必比 medium 好。它是一支抢险队，不是每天替你买咖啡的助理。给这种任务开 Ultra，等于让整组人参加你的周例会，只为确认一个标点。
烧完两个 200 美元会员，我记下这三条分档铁律
第一条：先问自己是写便签，还是画施工图
每次要发任务前，别急着点强度，先判断结果的用途。提取几条项目信息、把散乱笔记排成清单、写一段临时说明文字：low 或 medium 就够，反正这些内容看完就会被丢进回收站。反过来，要写进技术方案、要作为团队决策依据、要拿给客户看的内容，直接把档位拉到 high。按结果在真实世界的“危险系数”来分档，比按自己的心情靠谱得多。
第二条：编码是推理强度的最佳试金石
我的实测体会是，编码场景有一个明显的分水岭：独立小函数用 medium 最划算，它能一次写出干净解法，又不会耗费多余思考；跨文件排查 bug 时必须上 high，因为模型得有足够预算重新遍历相关上下文；而面对一个从零起步、边界含糊的新项目，真正的价值在于让它先做架构推演而非直接写代码。这时候我会把 Ultra 请出来，让它把“我该怎么做”变成“有几条路、各有什么代价”。
第三条：别按心情选档，要按场景定档
最浪费的不是一直用 Ultra，而是让同一个任务反复横跳。今天 medium，明天 high，后天觉得不够稳又点一下 Ultra——输出波动很大，效果并不一定更好。我把自己高频重复的工作拆成固定规则：信息抓取用 low，写作与深度分析用 high，跨领域复杂系统才动用 Ultra。固定下来之后，心里反而更有底。该省则省，该狠则狠，这才是推理强度这个设置真正该有的用途。
