房地产中的GPT-6 Astra：它能自动化什么，又不能做什么

GPT-6 Astra到底是什么

OpenAI在2026年9月3日发布了GPT-6 Astra，同时推出能力更强的GPT-6 Astra Pro变体。它的头条能力不是文笔，而是操作——OpenAI的说法是：你在电脑上能做的任何事，Astra都能替你做，包括点击界面、填表单、在浏览器标签页和桌面应用之间穿梭。

截至2026年9月，支撑这一说法的公开数据如下：

维度	公布数据
OSWorld 2.0（电脑操作基准）	72.6%，每个任务平均约40分钟
上下文窗口	最高100万token
API价格	每百万输入token $10，每百万输出token $50
高速模式	约2.5倍速度，token单价翻倍
可用渠道	OpenAI API、Microsoft Azure、AWS Bedrock和ChatGPT
发布材料中列出的模态	文本、代码、工具与电脑操作——没有图像生成

OpenAI总裁Greg Brockman用一句"欢迎来到AGI时代"为这次发布定调。这个框架站不站得住是另一场争论——下文的基准一节给出了保持谨慎的理由。对一家房产企业来说，更收窄的问题是：这到底触及你一周中的哪些部分，又把哪些部分原封不动地留在原地？

GPT-6 Astra与Google的Project Astra：名字的混淆

先把这件事说清楚，因为现在有两个毫不相干的产品共用一个名字，这种混淆已经在制造糟糕的采购决策。

	GPT-6 Astra	Project Astra
谁做的	OpenAI	Google DeepMind
是什么	已发布的旗舰模型（2026年9月）	通用助手的研究原型
怎么获得	ChatGPT订阅、OpenAI API、Azure、AWS Bedrock	少量受信任测试者；早期访问需排队
强调什么	自主电脑操作、长上下文、智能体式工具调用	实时多模态交互——摄像头、屏幕共享、语音——能力逐步并入Gemini Live
今天能基于它构建吗	可以，通过公开API	原型本身没有公开API

它们不是彼此的版本，不是合作项目，也不是同一件事的竞品发布。如果某个供应商向你推销"Astra驱动"的软件，问清楚是哪个Astra。如果答案是Google那个，就问他们如何拿到了一个Google自己都说只对受信任测试者开放的原型。

Astra在房产业务中现实能自动化什么

这里真正的进步是长链条、多步骤任务上的智能体可靠性——过去走到第四步就会崩掉的那类工作。在房产业务里，它对应一份具体而相当不光鲜的清单。

房源文案与描述起草

把房产属性、面积、周边信息和拍摄清单喂给模型、拿回一段房源描述，这不是新鲜事——GPT-4级别的模型2023年就能做。100万token上下文改变的是输入规模：整本品牌风格指南、你过去的200条房源、你的合规措辞和当地MLS规则可以同时放进一个提示里，于是输出匹配的是你们办公室的写法，而不是互联网的写法。

CRM数据录入与管线卫生

这是电脑操作真正赚回工钱的地方。多数房产CRM要么没有可用的API，要么API比坐席费还贵。一个能直接操作网页界面的智能体——打开线索、粘贴咨询内容、设置阶段、安排跟进——正面攻击了一家中介公司里最大的无偿行政工作来源。把它当成一位持有账号密码的初级助理，而不是一次系统集成。

排期与带看协调

多方排期——卖家、买家、经纪人、钥匙交接——是一个边界清晰、规则密集、成功条件明确的问题，恰好是智能体模型擅长的形状。约束不是智力，而是权限。提前决定哪些事智能体可以自行确认，哪些必须排队等人处理。

收件箱分拣与首次回复起草

按意图给咨询分类、拉出对应的房源记录、起草一条待审批的首次回复，这在今天是站得住脚的用法。不经审核就发送则不是——见下文的风险一节。

文件阅读：租约、测绘、披露文件

长上下文阅读是最不刺激也最可靠的收益。总结一份90页的租约包、标出非标准条款、把日期抽成表格——这件事确定性足够高到可以核查，无聊到没人愿意干。

市场调研与可比房源整理

拉取可比房源、跨门户核对挂牌历史、拼出一份定价依据，是一项输出可验证的浏览任务。它产出的每一个数字你都能审计，所以这是一个安全的起点。

Astra做不到什么：图像的缺口

这是发布报道里被一笔带过的部分：GPT-6 Astra是一个文本与智能体模型，它的发布材料没有描述任何图像生成能力。 它读、它推理、它写、它操作软件。它不会渲染一间布置好的客厅。

这很重要，因为房产营销是一门视觉生意。真正吃掉房源预算的任务——给空房间做软装、修正昏暗厨房的曝光、把白天的外立面转成黄昏、清掉车道上的垃圾桶、把草图变成户型图——都是图像生成和图像编辑任务。再强的智能体能力也替代不了一个能产出像素的模型。

OpenAI的图像工作在另一条产品线里——GPT Image家族——不在Astra这次发布之中。所以"我们用GPT-6 Astra做房源照片"是一个类别错误。智能体能做的，是替你调用一个图像工具，这是一种真正有用的架构，也是另一篇关于智能体驱动媒体工作流的文章的主题。

一份可行的分工看起来是这样：

任务	Astra单独	通用图像模型	房产专用工具
写房源描述	能	不能	不能
判断哪些房间需要软装	能	不能	不能
生成布置好的房间图片	不能	部分可以——见下文提醒	能
修正曝光和白平衡	不能	部分可以	能——图像增强
日转夜转换	不能	不稳定	能——day-to-dusk
移除停放的车或垃圾桶	不能	部分可以	能——物品移除
编排以上全部	能	不能	不能

诚实的总结：Astra是房产营销工作流协调层的有力候选，在渲染层则完全不是候选。通用图像模型能否覆盖渲染层是一个真问题，答案有层次——我们在《GPT-6 Astra能做虚拟软装吗？》里把它讲透了。

它的成本：API费率与ChatGPT消息上限

两个彼此独立的定价世界，而团队常常按错误的那个做预算。

通过API，Astra的价格是每百万输入token $10、每百万输出token $50，高速模式约以两倍价格换约2.5倍速度。贵的是输出那一半，这与通常的直觉相反：一段长房源描述比读完一份长租约更花钱。为一条规格明确的房源描述做个粗略估算——8,000个输入token的上下文加900个输出token——大约落在$0.13。智能体运行则是相反的形状：几十个回合，截图和工具结果不断堆进上下文，一次电脑操作会话消耗的token可能超过一百次一次性生成。智能体运行要按会话做预算，绝不要按消息。

通过ChatGPT，你买的是消息额度而不是token，而顶级模型的额度相当紧：

套餐	公布的GPT-6 Astra Pro额度
Pro（$200）	每周200条消息
Pro（$100）	每周50条消息
Business Premium	每周50条消息
Business Standard	每月15条消息
Plus	每5小时窗口5–45条消息（标准Astra）
Free / Go	无前沿模型访问权

OpenAI说明，真实用量会随模型选择、上下文长度、推理深度、工具使用和缓存而变化。把这些上限读作规划约束，而不是保证。一家打算每天跑智能体工作流的五人中介公司会很快撞到ChatGPT套餐的天花板，它属于API那一侧——那里的成本是按量计费而不是按额度配给。

风险这一栏：提示词注入、网络能力分级、基准噪音

在把智能体接到线上收件箱之前，房产团队应当知道三件事。

提示词注入被削弱了，但没有被解决。 公开数据显示，Astra对直接攻击的防御率接近完美的99.99%，但对间接注入——藏在模型所读文档里的恶意指令——的成功率约为8.5%，测量基于Gray Swan的IPI Arena上1,810次精选攻击。相比其前代报告的27%，这是有意义的改进，但它仍然意味着大约每十二份敌意文档中就有一份能操控智能体。在一门陌生人整天给你发PDF和门户链接的生意里，这不是理论风险。永远不要让同一个智能体既接收不可信输入，又对金钱、合同或已上线房源拥有无人监督的写入权限。

OpenAI把Astra列为其Preparedness Framework下首个"关键"级网络能力模型——意思是它能在没有人类逐步指导的情况下发现并利用未知的安全漏洞。据报道，OpenAI的缓解措施包括对违规网络请求91.5%的拒绝率（前代为59%）、生产环境中的思维链监控，以及对高级网络功能的受限访问。它与房产公司的相关性是间接但真实的：同一条能力曲线，也摆在那个正在钓你客户交易尾款的人面前。

基准的画面是有争议的。 在最初对Astra的评分招致批评后，Artificial Analysis重建了它的Intelligence Index（v4.2）；在修订后的榜单里，Astra比前代GPT-5.6 Sol高出四分，但低于Claude Fable 5.1，而Epoch AI在自己的尺度上把Astra排在第一。不同的评测，不同的结论。把供应商材料里的任何单一基准数字都当作营销，签任何东西之前先用你自己的工作跑一轮五个任务的小测试。

如何在不押上公司的前提下起步

一套让失败面保持在小范围内的推进顺序：

1. 挑一个输出可验证的任务。 可比房源整理或租约摘要——两者都能在几分钟内核查。
2. 先只读地跑两周。 不发送、不发布、不写入CRM。你在衡量的是准确率，还不是省下的时间。
3. 记录失败，而不是成功。 你需要的成功率不是"它通常能用吗"，而是"它出错时会做什么"。
4. 把不可信输入与写入权限分开。 一个读收件邮件的智能体，不应同时握有发布房源的凭证。
5. 把图像工作留给专用工具。 协调和渲染是两个不同的问题；用一个图像API把它们接起来，能让两边都保持可审计。
6. 按会话做预算，不要按坐席。 智能体运行的开销差异可达一个数量级；第一天就设死每月支出上限。
7. 在自动化之前把披露规则写下来。 无论你的MLS或当地监管对AI编辑照片有什么要求，当智能体触发编辑时同样适用——见AB 723与MLS披露指南。

结论

GPT-6 Astra在一个特定方向上是真正的阶跃：软件操作。对房产从业者而言，这意味着行政层——CRM卫生、排期、文件阅读、初稿文案、调研——现在可以自动化到2025年还达不到的标准，前提是你在智能体和任何不可逆的事情之间始终留一个人。

至于一张照片如何变成可推向市场的房源图片，它什么也没改变。那份工作仍然属于图像模型，而它的房产专用版本——保住房间几何、让窗户留在建筑师放它的位置、待在披露规则之内——仍然属于为此而造的工具。在Astra时代收获最多的团队，会是那些把这条线画清楚的团队，而不是指望一个模型同时覆盖两边的团队。

本文所有数据反映截至2026年9月的公开报道，随着OpenAI更新价格、限制和模型可用性，很可能发生变化。