Вчера опробовал GPT-6 Astra: и вот почему я не поставлю её на повседневные задачи.
Вчера работал в Codex c аналитикой и в рамках этой задачи подрубил свежую модель Astra. Трижды упёрся в лимиты Codex и в итоге ушёл в Pro-подписку. В моём режиме работы она съедает лимиты примерно в четыре раза быстрее Terra. При этом для презентаций, текстов и проверки таблиц результат не становится кратно лучше, так как основное качество дают суб агенты, которые циклами проверяют артефакты.
Поэтому мой основной рабочий инструмент сейчас — GPT-5.6 Terra с Low или Medium reasoning effort. Это не «глубина мысли», а настройка того, сколько вычислений модель тратит на рассуждение. В моих повседневных задачах Medium обычно достаточно. Рабочая связка такая: 📌 Terra + Medium — готовит первый вариант презентации, тексты, таблицы или документа. 📌 Astra + High — включается только на сложной проверке: аналитика, отчёты, противоречивые материалы, поиск утверждений, которые требуют проверки по источникам, и логика выводов. 📌 Sol + Medium — исправляет существенные ошибки, которые нашла Astra, и доводит материал до финальной версии. Получается простой конвейер: Terra + Medium готовит → Astra + High проверяет → Sol + Medium исправляет.
Отдельное правило — не запускать простых субагентов на Astra. Если для субагента отдельно не заданы модель и reasoning effort — при запуске, в настройках по умолчанию или в конфигурации агента, — он наследует их от родителя. Значит, один запуск Astra + High легко превращается в несколько дорогих запусков. Для поиска, чтения файлов, быстрых проверок и параллельных задач я ставлю субагентам Terra + Low или Medium. Важная оговорка: разница видна и в API pricing: Astra дороже Terra в 5 раз по входным и примерно в 4,2 раза по выходным токенам. Но API-тарифы не определяют механику лимитов подписки Codex.
Вы А у вас на каких задачах Astra действительно дала результат, который оправдал расход лимита?
