Codex GPT6 Astra开xhigh模式实测 Token消耗反降8.6%

Codex推出的GPT-6 Astra模型近期在xhigh模式下的效率表现引发关注。通过对9月5日至14日共40,125次历史请求的分析，发现该模式存在与直觉相悖的现象：尽管平均推理Token消耗是medium模式的2.6倍（从69.8增至182.5），但总Token消耗却减少了约8.6%（从141,247降至129,146）。这一结果表明，xhigh模式通过前期更深入的思考投入，有效减少了后续返工，提升了整体任务完成效率。

具体来看，xhigh模式在复杂任务中表现尤为突出。例如，在多媒体处理任务中，模型能一次性理清文件读取、代码修改和检查等步骤，避免了低档位模式反复重新交代任务的情况。ARC Prize公布的Astra测试结果也印证了这一点：在ARC-AGI-3的Standard harness测试中，xhigh模式得分59.3%，比high模式高出4.5个百分点，但费用降低了约8.3%。这说明更高的推理投入能让模型用更少的动作完成任务，减少调用次数和总Token消耗。

不过，这种效率提升并非适用于所有场景。对于简单任务（如单文件修改或文章编辑），low档位模式可能更为合适；而对于涉及跨文件、跨项目或多工具协作的复杂任务，xhigh模式的优势则更加明显。为最大化利用xhigh模式，用户可在任务开始时明确完成标准，并提供已完成部分和现有记录，帮助模型更好地理解上下文，避免重复劳动。

总体而言，Codex GPT-6 Astra的xhigh模式提供了一种新的思路：通过前期更多的思考投入，换取后期更高的效率和更低的总体成本。这对于需要处理复杂任务的用户来说，无疑是一个值得尝试的选择。