GPT-6 Astra 号称有 1,050,000 token 的上下文窗口。但有两个独立的「天花板」，挡住了你真正用它。
把这两个天花板都搞对，同样的工作能省到原来的三分之一。
这篇文章讲的就是：怎么避开这两个坑，用「最低成本」拿到「最高质量」。
模型页面写着：prompt 超过 272,000 输入 token，价格就翻倍——输入和缓存价 2 倍、输出价 1.5 倍。
一个 30k 的回答，从 $1.50 涨到 $2.25——只因为你的输入跨过了一条你从没看见的线。
输出也会在同一个请求里被重新计价。
你本来只想「多塞一点上下文」，结果整个请求的输入、输出、缓存全都翻倍——就因为你越过了 272K 那条线。
「我输入 280K，只超出 8K，应该只多付 8K 的钱」
第二个坑在「速率限制表」里。每分钟 token 数（TPM），按用量层级分：
哪个 tier 第一次让「满窗口单次调用」物理上装得下？
reasoning.effort 接受 low / medium / high / xhigh / max 五档。
发布评测里藏着一行脚注：除非特别说明，模型都是在「最大努力（max）」下跑的。
那些炫目的分数——FrontierMath Tier 4 拿 98%、ARC-AGI-3 拿 99.9%、ExploitBench 拿 100%——全都是在最慢、最贵的 max 档跑的。
所以正确姿势是：默认用 low 做基线，需要的那一步升到 high，把 xhigh 和 max 留给「你自己本来会亲手做」的活。
一个日常任务，你该怎么设 effort？
Responses API 里有一堆工具。其中两个，直接影响你的账单：
Agent 每次改文件都整文件重写，账单会怎样？
你装了 30 个工具，但每个会话只用 3 个
Batch 队列限制和 TPM 是分开的、而且大得多。比如 Tier 3 只有 2M TPM，但 batch 队列有 1 亿——所以「延后的活」永远不会和「实时流量」抢。
给 price() 传 mode="batch"，折扣就生效，日志会显示「同样的活，两种模式各花多少」。
记住：没有人在等的活 → Batch（半价）。有人等、要速度 → 才用 Fast（2 倍，买的是延迟不是质量）。
cache_hit_rate 是唯一的证据。如果 over_cliff = false，且 cache_hit_rate 一轮比一轮高——你就调好了。
如果哪个没过，你现在确切知道是哪一个、以及它花了你多少钱。
Q1. 272K「价格悬崖」的意思是？
Q2. 你的「真实上下文天花板」是？
Q3. 评测里模型跑的是什么 effort？
Q4. 怎么判断缓存「到底有没有在工作」？
百万 token 窗口，读起来像是「可以不用再考虑检索架构了」。
但价格在 272K 翻倍、速率限制在多数账号上更早卡住你——所以那个架构问题，从来都不是可选项。
1️⃣ 两个天花板：272K 价格悬崖 + tier 的 TPM，取最小。
2️⃣ 超 272K，整单（含输出）翻倍计价。
3️⃣ effort 五档，默认 low 基线，别照抄评测的 max。
4️⃣ apply patch 省输出、tool search 省输入。
5️⃣ 没人等的活走 Batch（半价），别用 Fast 买不存在的质量。
原文：《The GPT-6 Astra Setup Guide》by darkzodchi（@zodchiii）