GPT-6 Astra 在文件、簡報與試算表上究竟改變了什麼？
GPT-6 Astra 是 OpenAI 於 2026 年 9 月 1 日發布的前沿模型。在文件工作上，真正的改變是「範本依從」：Astra 能開啟、編輯並反覆修改文件、試算表與簡報，並依照你提供的範本，沿用它的版面、語氣與視覺風格，而不是自行另創一套。
這與「寫得好」是兩件不同的事。舊模型能產出通順的文字，然後把它倒進一份通用樣板。Astra 則被訓練成把你現有的檔案當成規格書來讀。
OpenAI 在官方發布頁上稱它是「最擅長依從既有範本」的模型，能產出版面工整、敘事有結構的投影片。官方示範中，模型只拿到 OpenAI 簡報範本的幾張投影片，就完成整份虛構模型的介紹簡報，全程維持一致的語氣與版面。
支撐這個說法的數字在 AutomationBench 上，該基準測試真實的專業工作流程任務。Astra 得分 41.4%，GPT-5.6 Sol 為 18.1%。在 OpenAI 內部設計任務上，Astra 為 50.0%，Sol 為 47.4%；內部數據科學任務上，Astra 為 40.9%，Sol 為 30.5%。
供應情況：發布當日先開放給少數組織，其後陸續開放給所有 ChatGPT Plus、Pro、Business 與 Enterprise 用戶，並上線 OpenAI API、Microsoft Azure 與 AWS Bedrock。API 標準定價為每百萬輸入 token 10 美元、每百萬輸出 token 50 美元。企業管理員需要手動開啟，因為發布時預設為關閉。
為什麼直接給範本，比用文字描述格式有效？
用文字描述格式，等於逼模型去猜行距、層級、配色與每頁的資訊密度。把你自己簡報裡真實的兩三張投影片交給它，猜測的空間就消失了。Astra 會讀檔、抽取版式，再套用到新內容上。
這一點在「一眼就看得出不對」的細節上最關鍵。字體搭配、標題區塊的位置、你所屬機構能接受多少文字量、圖表應該放在結論句的左邊還是右邊。
同樣邏輯適用於試算表。上傳一份你已在用的工作表，Astra 會填進你建好的結構，而不是另開一張自訂欄序的新表。OpenAI 亦說明，Astra 只會把真正相關的脈絡帶進輸出，不會重複那些對當前工作無用的資訊。
對在香港處理客戶文件的人來說，實際後果是：你的品牌範本從此是可重用的資產，不再是排版雜務。一份乾淨的範本檔，價值高於一整頁格式指示。
--- 附上 2 至 3 張具代表性的投影片，不要整份 40 頁的檔案。Astra 需要的是版式，不是資料庫。
--- 其中一張要能顯示圖表風格，一張是文字量較重的版面，再加上標題頁。
--- 試算表請附有數據的範例，而非空白骨架，讓模型看得見資料型別與格式慣例。
要怎樣寫指令，Astra 才真的做得出你想要的東西？
含糊的指令現在代價更高，而不是更低。正因為 Astra 更有能力長篇執行，薄弱的指令只會產出一份更精緻的錯誤成品。「幫我做一份 Q3 的簡報」，換來的是二十張版面漂亮但方向錯誤的投影片。
指令是整個流程中槓桿最大的輸入。它必須包含五件事：對象、你希望對象做出的決定、素材來源、範本，以及篇幅上限。
以下是一份可直接複製使用的完整指令。它為簡報而寫，只要換掉成品類型與結構那一行，同一骨架也適用於報告或試算表。
試試這個提示
請依附件範本與附件 Q3 業績數據，製作一份 9 頁簡報。
對象：區域市場總監，只有 10 分鐘，未看過 Q3 數字。
我要的決定：批准或否決最後一頁提出的 Q4 預算重新分配方案。
範本：字體、配色、標題位置與圖表風格，完全依照附件那 3 張投影片。不要新增任何顏色或圖示。
結構：第 1 頁標題；第 2 頁單一核心數字及其意義；第 3 至 6 頁每頁一個渠道，各配一張圖表與一句結論；第 7 頁問題所在；第 8 頁重新分配方案及金額；第 9 頁我要你做的決定。
限制：每頁正文不超過 40 字。所有圖表必須使用附件的實際數字，不得使用示意性佔位數據。若數據中缺漏某個數字，請留空，並在最後一頁的備註中列出，不要自行估算。
開始製作前，先告訴我你必須做出的任何假設，只要那個假設會改變建議結論。
最後一行是大多數人會漏掉的部分。它把 Astra 愛提問的傾向，轉化成一份可一次審閱的清單，而不是製作到一半時的中斷。
指令不明確時，Astra 的處理方式有何不同？
Astra 比 GPT-5.6 Sol 更常提出釐清問題，而非自行假設。OpenAI 形容它會用脈絡填補例行的空白，但當答案足以改變結果時，就會提出聚焦的問題。代價是它有時會在你以為它應該繼續的地方停下來。
若你寧願它往前推進，OpenAI 自己的模型文件已提供解法。官方指引建議你明確要求模型推斷意圖並「傾向行動」，把「可以幫我」、「我想要」、「幫我」這類說法視為行動指令，而不是提問的邀請。
OpenAI 在 2026 年 9 月 5 日公布的 GPT-6 Astra 指引中，用了這樣的說法：使用者應該是在審批一個具體、可檢視的成果。換句話說，讓它先完成一件事，然後你再檢視。
Astra 在任務演變過程中也更能守住方向。舊模型常把對話中途的修正訊息當成全新目標，把原本的限制條件整批丟掉。Astra 會納入新要求、依指示轉向，並在回答旁支問題後仍守住主線任務。
對實務使用者而言，這改變了修改的方式。你不再需要每改一處就重述整份指令。「把第 6 頁的長條圖改成表格」，不再有可能連帶把你的 40 字上限一併重設。
如何讓 Astra 不要寫出一看就知是 AI 的文字？
Astra 預設偏好清單、表格與 Markdown 格式，並且會在不同對話中重複同一批措辭。若你要的是連貫段落，就必須明確講清楚。OpenAI 的官方指引比大多數第三方教學走得更遠，它直接附上一份「slop words」黑名單。
指引中點名的包括「delve into」、「it's worth noting」、「what's important is」、「leverage」，以及「In short:」這類收尾總結句，還有「X, not Y」的對比句式。它同時標示要避免自創的連字號複合詞與套語式轉折。
這份清單特別有用，因為那是模型的供應商親自告訴你該壓制哪些習慣。把它貼進專案指令或自訂 GPT，就會套用到每一次輸出，而不只是一次對話。
試試這個提示
請以清晰、精簡的段落寫作，每段只發展一個核心觀點。只有在資訊確實並列、有序或更適合對照時才使用清單，並避免嵌套清單。
使用簡單常見的詞、具體的例子與精確的動詞。偏好主動語態與直述句。先把重點講清楚，再補上讀者需要的解釋與證據。
不得使用以下措辭：「delve into」、「it's worth noting」、「what's important is」、「leverage」、「truly」、「really」，以及「In short」、「Conclusion:」這類收尾總結。
不得使用「X, not Y」的對比句式。不得自創連字號複合詞。不要說明你不會做什麼、或哪些部分沒有改動。直接說明你做了什麼。
兩點值得知道的注意事項。Astra 派工給子代理的頻率低於預期，因此若你要並行處理，就必須明確指定何時委派、委派多少。另外在程式任務上它會過度測試，除非你要求它只在出現新的失敗時才重跑測試，否則小改動也會觸發不成比例的測試套件。
這套做法在實際使用中會在哪裡失效？
在把工作流程整個搬到 Astra 之前，有三種失效情況值得先規劃。
互相矛盾的脈絡會壓過你的指令
Astra 比前代更能遵循長指令，但也對脈絡更敏感。它能讀到的檔案中若有含糊或互相矛盾的指示，包括專案指令與技能檔案，都可能令它中止工作或偏離方向。OpenAI 的建議是逐一審核模型可讀取的所有脈絡文件，並明確賦予你的直接指令優先權。
OpenAI 亦為此公布了一段除錯指令：要求模型指名它讀到的具體檔案，並引述那條導致它暫停或改變方向的指示。這能把一次無法解釋的停頓，變成可追溯的原因。
安全檢查會中斷正當工作
由於 Astra 在 OpenAI 的 Preparedness Framework 下已跨越網絡安全能力的「Critical」門檻，Astra 級模型在生產環境會執行失準監測。OpenAI 明言，額外的安全檢查有時會拖慢、暫停或中止正當工作。在 ChatGPT 中，你可能會被要求先審核某個動作才繼續；在 API 中，任務會直接停止。
脈絡視窗大，不等於理解力強
Astra 的長脈絡檢索表現強勁，在 OpenAI MRCR v2 8-needle 測試的 512K 至 1M 區間得分 96.3%。但檢索不等於讀懂一份結構混亂的文件。一份雜亂的 200 頁來源檔，照樣會產出一份混亂的簡報。先整理輸入。
關於模型版本的一點誠實說明：以上所有內容反映的是 2026 年 9 月初剛發布時的 Astra。OpenAI 表示 Codex 的筆記保留行為將在未來數週成為預設，存取權限亦會逐步擴大，因此你建好的流程，應該針對你實際被分配到的版本重新測試。
接下來 20 分鐘可以做什麼？
找一份你已交付並且滿意的簡報。刪掉所有內容，只留標題頁、一張圖表頁、一張文字較多的版面。把這份三頁檔案存成你的範本。
然後找一件你還沒開始的工作，把上文第三節那份指令套上去。把結果拿來與「用文字描述格式」所得到的版本比較。
試算表也照做一次：保留一份有數據的範例，其餘刪去，然後要求 Astra 依這個結構延伸新數據。「描述了格式」與「交出了檔案」之間的落差，就是這項能力的全部所在。
如果你想看同一個原則在「輸入端」而非「輸出端」如何發揮作用，我們談為什麼 AI 聊得越久表現越差那一篇，正好處理你交出去的脈絡形狀不對時會發生什麼事。若你想先掌握自己的 AI 技術實際處於什麼水平，AI IQ 測試只需幾分鐘。
「範本依從」聽起來是個小功能，實際後果卻很大：現在真正值錢的技能是寫好指令，而不是提示技巧的小花招。懂AI，更懂你 UD相伴，AI不冷。
本文由 UD AI 團隊審核。
把一次成功的指令，變成可重複的工作流程
掌握技術只是第一步。要讓它每星期、在整個團隊、用你的範本與你的數據，每次都跑出同樣的結果，才是真正困難的部分。UD 同行 28 年，手把手帶你完成每一步，從工具配置、流程設計，到實際部署，讓 AI 真正為你所用。
