大家好，我是程序员鱼皮。

前几天 OpenAI 发布了 GPT-6 Astra，号称全世界最智能的模型，主打像人一样操作电脑和自主完成编程任务。

我看了一圈官方展示的案例，3D 城市生成、3D 卡丁车赛车游戏等等，效果确实震撼。

当时我就想第一时间跑轮实测，结果打开 Codex 一看，没有 Astra 的选项。

我以为是自己账号的问题，又专门买了个新账号，结果还是没有！

唉，只能「望模兴叹」了……

现在，我的 Codex 终于有 GPT-6 Astra 的权限了，赶紧搞几个实战项目测测看。

这次我选择了 4 个案例，由浅入深：

1. 3D 程序化城市生成器（对标官方 Showcase，纯前端）
2. 3D 奥德赛战争视频动画（前端 + 后端，专业运镜）
3. 全栈 AI 编程工具（复杂长程全栈任务，跟 Fable 5.1 横评对比）
4. 操作 KiCad 完成电路板布线（Computer Use）

点个收藏，咱们开始~

1、3D 程序化城市生成器

OpenAI 官方的开发者展示馆里有一个用 GPT-5.5 做的程序化城市生成器，编辑器风格的界面加上实时 3D 渲染。我想看看 Astra 能不能做到更好的水平。

提示词里我就强调了一件事，至少包含重庆、上海、西安、深圳、江南五种城市风格，要让用户一眼就能认出是哪座城市。

之所以选重庆当主打风格，是因为层叠立交的复杂地形在国内辨识度极高，最容易看出 AI 到底有没有理解城市特色。此外，参数维度和编辑器布局怎么设计我一个字都没提，让 AI 自己去搜官方那版的产品设计，在此基础上做中国版。

AI 拿到任务后，先用 Firecrawl 搜索了官方 Showcase 的产品设计，又查了 Three.js 的文档，然后一口气把整个项目写完了。

过了大约 18 分钟，7 项自动化测试全部通过，前端项目构建成功。

来看看成品，第一眼就被惊艳到了……

网站右侧是完整的城市生成器控制面板，城市风格、城市形态、建筑密度、平均高度、地形与交通、光照氛围全都能调。你随便拖动一个滑块，3D 场景就会实时重新生成。底部是五种城市风格的预览卡片，一目了然。

重庆的 3D 场景确实做出了高差感，建筑群层叠在地形的起伏上，标注了立交层数和轨道交通的位置。

再看看切换其他城市风格的效果。上海版是滨江平地加超高层密集，色调完全变了，标注了东方明珠和上海中心。

西安版的特色也很鲜明，城墙围合结构、中式屋顶、低矮建筑群，整个色调偏暖土色，标注了大雁塔和钟楼中轴。

深圳版切换到了暗色调，超高密度的玻璃幕墙建筑群，标注了深圳湾，赛博感十足。还能看到道路上的小车，很细节。

江南版的画风跟前四个完全不同，白墙黛瓦、小桥流水、低层建筑，水系穿城而过。

这五种风格切出来视觉差异非常明显，不是简单换个颜色，建筑形态、地形高差、地标标注全都跟着变了。

这个完成度已经超出我的预期了。只用一段提示词，AI 运行 18 分钟就完成了开发和校验。之前用 Claude Fable 5.1 做同等复杂度的项目基本上要半小时起步，Astra 快了不少。

2、3D 奥德赛战争视频动画

第二个案例难度拉高。我让 AI 做一个 3D 史诗级战争场面的视频动画，主题是古希腊奥德赛的特洛伊战争，而且这是一个前端 + 后端的全栈项目。

这个案例最核心的考点是运镜。我要求整段动画要体现专业的运镜手法，不同段落用不同类型的镜头，镜头之间的转场要自然，战场上要有大规模的士兵群体。具体怎么实现、后端承担什么职责，全部交给 AI 自己设计。

AI 先搜了特洛伊战争的经典场面和电影运镜手法，然后自己设计了一套前后端架构。前端用 Three.js 做 3D 场景渲染和镜头动画，后端用 Node.js 提供两个接口，一个根据场景配置生成分镜脚本，另一个调用 ffmpeg 把前端渲染的帧序列编码成 MP4 视频。

大约 19 分钟后，AI 交卷了：

打开网页，一整片黄昏色调的战场直接扑面而来，大规模的士兵方阵、城墙城门、远处的战舰群都在。底部有完整的时间轴播放器，可以拖拽进度、调倍速、全屏播放，右上角还有「导出影片」按钮，对接的就是后端的 ffmpeg 导出接口。

动画播放过程中，镜头确实在持续运动，从远景推向近景，能看到摄像机角度在截图之间有明显变化。

整段动画分成了六个章节，72 秒完整叙事，从风暴将至的全景一步步推到近距离搏杀，最后拉远收束。镜头轨迹的加速度都做了连续性处理，章节字幕是渐隐渐现的。

过程中，AI 在自验证阶段发现了远景雾气太重、角色脚底悬空等几个问题，自己修了两轮，最后跑了 9 项测试全部通过。

不过也有明显的瑕疵，有几处角色穿模，士兵的武器偶尔会穿过身体，这种问题让 AI 再跑一轮修复大概率能搞定。

整体来看，这个项目从产品设计到技术实现都很完整。虽然 3D 模型本身是低多边形风格的，不是很精细的建模，但考虑到这是一段提示词从零做出来的全栈项目，已经很强了。

3、全栈 AI 编程工具 - 复刻 Cursor

这是我经常用的一个测试案例，让 AI 复刻一个像 Cursor 那样的 AI 编程工具。提示词跟之前测 Claude Fable 5.1、Kimi K3、DeepSeek V4 Pro 时用的 完全一样，好跟这些模型横向对比。

简单来说，我要求 AI 先克隆 VS Code 的开源代码，然后在此基础上做一个支持 Editor Window 和 Agents Window 双窗口切换的 Web AI 编程工具。Editor Window 负责代码编辑，Agents Window 负责 AI 对话和自主开发，技术栈让 AI 自由发挥。

AI 拿到任务后同时做了两件事，一边用 Firecrawl 搜索 Cursor 3 的产品设计，一边通过 Git 命令克隆 VS Code 仓库。

然后花了大约 23 分钟，完成了第一轮开发。

有意思的是，AI 没有直接把产品叫做「Cursor 复刻版」，而是自己取了个产品名叫「orbit」，顶部中间就是 Editor / Agents 双窗口切换按钮。

先来看看 Editor Window 编辑器模式的效果：

整体布局参考了 VS Code，比如左侧文件树、中间 Monaco 编辑器、上方多标签页和面包屑导航、下方终端面板、右侧 Agent 对话面板。但又跟 VS Code 不完全一样，比如暗色主题配色、活动栏图标、状态栏信息这些细节都做了自己的设计，更像是一个独立产品而不是简单的换皮。

切换到 Agents Window，这就是我们熟悉的 AI 对话界面了：

Agents 面板有完整的任务管理能力，中间是对话输入区，下方已经配好了 deepseek-v4-pro 模型选择和 Agent 模式。

AI 能够正常完成简单的开发任务，核心功能都能跑通：

跟之前我测试过的几个模型横向对比一下。

Kimi K3 那次花了半个多小时，核心功能跑通了，但是界面比较简陋。

再来看看 Claude Opus 5 用同样的提示词做出来的版本，代码高亮、小地图、管理面板都在，还原度很高，但说实话跟 VS Code 太像了，少了点自己的想法。

Claude Fable 5.1 的完成度最高，有完整终端、Agent 执行流程和文件审阅机制，还能逐文件接受或拒绝 AI 改动。

GPT-6 Astra 这次最让我惊喜的是它有自己的产品想法。没有完全照着 Cursor 去抄，而是自己设计了 orbit 这个品牌、自己加了任务分类管理和三个快捷入口、自己定义了暗色主题的配色体系。在 Editor Window 的视觉还原度上也做到了几个模型里最好的。

不过整个编辑器的功能丰富度还差 Fable 5.1 一截，像逐文件审阅改动这种功能 Astra 是没有做出来的。

4、操作 KiCad 完成电路板布线

前面三个案例测的都是 AI 写代码的能力，但 GPT-6 Astra 这次主打的其实是「操作电脑」。官方称它是全世界最强的电脑操作模型，ScreenSpot-Pro 的屏幕理解准确率从上一代的 76.9% 直接拉到了 92.7%。

官方的案例展示中，让 Astra 打开 KiCad 电路设计软件，把一张电子原理图变成可以直接拿去生产的 PCB 布线图，元器件怎么摆、铜线怎么走全部由 AI 自己完成。

要知道，以前这玩意是硬件工程师一点一点手工拖出来的，是整个电子设计流程里最费时间的环节之一。

我想仿照这个案例自己试一试，于是在本机装了 KiCad 10，看看 Astra 能不能自己操作 KiCad 完成从原理图到 PCB 布线的全过程。

这个案例跟前 3 个完全不同，AI 没有写代码，而是像人一样看屏幕、点按钮、拖拽元器件。

过了大约 13 分钟，AI 完成了任务。

它确实成功操控了 KiCad 的界面，打开项目、进入 PCB 编辑器、从原理图导入网表，这些流程操作都做对了。原理图一致性检查也通过了，说明 AI 看懂了原理图和 PCB 之间的对应关系。最后它还自己跑了一次 DRC 设计规则检查。

但是没能完成正确的布局和布线。我发现 AI 在画布上点击和框选元器件的时候，坐标经常对不准，没法可靠地把元器件拖到指定位置，更别说一根根地画铜线了。最终 DRC 报了 12 项违规和 20 处未连接。

这个结果让我挺失望的，因为我看了很多博主分享 Astra 操作 Blender 创造各种 3D 大作，成品都很惊艳，怎么到我这就翻车了呢？

从我自己的测试结果来看，Astra 在「看懂专业软件界面」和「找到正确的菜单按钮」这两件事上做得不错，但是却卡在了精细的画布交互上。这也侧面解释了为什么官方的 ScreenSpot-Pro 跑分能到 92.7%（看懂屏幕没问题），但 OSWorld 的任务完成率只有 72.6%（真正把活儿干完就难多了）。

我的感受

跑完这几个项目，我最直观的感受是：Astra 的前端审美和产品设计能力比 GPT 5 系列提升太多了！

以前大家测试 GPT 系列的模型，前端效果经常是被吐槽的点，而且 GPT 特别爱偷懒，功能能省就省，以快速完成为主。

比如之前我用 GPT-5.6 Sol 做出来的足球游戏界面是这样的：

是的，那一坨黑色方块就是球门……

这次 GPT-6 Astra 的使用体感有明显变化，比如 3D 城市生成器那个项目不光功能做全了，连每座城市的地标标注都自己设计了一套，这种用心程度在以前的 GPT 身上是看不到的。

奥德赛战争那个项目也是，完整的 72 秒六章叙事、后端分镜脚本引擎加 ffmpeg 导出、连镜头轨迹的加速度连续性都做了处理。而且速度真的很快，几个项目 20 分钟左右就交卷了，比其他同级别模型快了将近三分之一。

但是我实测下来，感觉 Astra 消耗的 Codex 额度明显更快了，价格比之前贵了不少。基础的 Plus 账号跑 2 ~ 3 个项目就能把 5 小时额度耗光了，Computer Use 消耗更大，想长期用至少得开 Pro。

所以 Astra 到底值不值得用呢？

如果你做的是视觉要求高的前端项目，或者需要一次性交付的全栈产品，Astra 目前确实是第一梯队。

对于日常大多数的办公任务，没必要用这么贵的模型，国产的 Kimi、GLM 或者 DeepSeek 够用了。

OK 就分享到这里，本文会收录到我免费开源的 《AI 编程零基础入门教程》，上千张图、几十万字，带你从 0 开始快速学会 AI 编程，做出自己的产品、跑通变现全流程，一次拿捏。

开源指路：

我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~

也欢迎在评论区聊聊：你用 GPT-6 Astra 了么？觉得它是目前最强的模型吗？