# Perplexity 把 GPT-6 Astra 放进真实系统里干活，人工检查的频率低了很多

> 原标题：Perplexity trusts GPT-6 Astra with end-to-end systems

- 来源：OpenAI News
- 发布时间：2026-09-14T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/56044
- 原文：https://openai.com/index/perplexity-improving-accuracy-with-astra

## 摘要

Perplexity 的联合创始人 Johnny Ho 说，GPT-6 Astra 现在能直接写对外沟通文案、改线上代码、盯着生产环境运行，这些事以前的模型做不来。他们让 Astra 自己写测试程序，模拟外部 API 返回的数据，跑通完整的业务流程。因为模型更稳了，团队不用像以前那样频繁盯着看。不过正文只给了定性的说法，没披露具体的性能指标或延迟数据，...

## 推荐理由

Perplexity 联合创始人的说法比普通客户案例实在，给出了 Astra 在生产环境的具体用法。但正文只有定性描述，没给性能指标或延迟数据，所以分数卡在 featured 门槛上。

## 锐评

这篇 OpenAI 官方发的客户故事，讲的是 Perplexity 怎么用 GPT-6 Astra。联合创始人 Johnny Ho 说，他们现在敢让模型直接写对外文案、改线上系统、盯着生产环境跑，这些事以前的模型做不来。最具体的用法是让 Astra 自己写测试程序，模拟外部 API 返回的数据，跑通完整的业务流程。因为模型更稳了，团队不用像以前那样频繁盯着看。

但整篇文章只有定性描述，没披露任何关键指标。比如 Astra 生成测试的通过率是多少、模拟 API 返回的数据有多逼真、端到端流程跑下来延迟增加了多少、错误率有没有降。这些数字一个都没给。另外，文章也没说清楚“盯着看”的频率到底从多少降到了多少，是每小时看一次变成每天看一次，还是从每天看变成每周看。

这篇东西本质上是 OpenAI 的客户证言，不是第三方评测。Perplexity 作为 AI 搜索引擎，本身就和 OpenAI 有深度合作，立场不是中立的。如果 Astra 真能在生产环境里稳定跑端到端任务，那确实是个信号，说明模型从“能写代码”进化到了“能管系统”。但在看到具体的可靠性数据和故障复盘之前，这个结论得打个折。