GPT-6 Astra GPT-6 Astra — флагманская модель OpenAI для сложных многоэтапных задач, программирования, исследований, работы с документами и компьютерного управления. Идентификатор модели в API — gpt-6-astra. Контекстное окно составляет 1,05 млн токенов, максимальный объём ответа — 128 тыс. токенов, дата отсечения знаний — 30 апреля 2026 года. Доступны уровни рассуждения low, medium, high, xhigh и max. Модель поддерживает текстовый и графический ввод, function calling, structured outputs, web search, file search, code interpreter, image generation, computer use, MCP и другие инструменты. В API доступны Responses и Chat Completions. Цена стандартного API — $10 за 1 млн входных токенов, $1 за 1 млн кэшированных входных токенов и $50 за 1 млн выходных токенов. Запись в кэш стоит $12,50 за 1 млн токенов. При запросах более 272 тыс. входных токенов применяются повышенные тарифы. Batch и Flex стоят 50% от стандартного тарифа.
CADCOD
Что можно купить у ИИ за $20: проверяем самые дешёвые API-модели
Когда начинаешь подключать ИИ-агента через API, довольно быстро выясняется, что стоимость самой модели — далеко не всегда главный вопрос. Гораздо интереснее другое: сколько реальной работы можно получить за условные $20. Для эксперимента возьмём небольшой бюджет — 20 долларов — и посмотрим, что на него можно получить у современных API-провайдеров. Речь именно о моделях, которые можно подключить программно: через API, собственного агента, n8n, OpenClaw/AutoClaw или обычную программу. Ещё недавно несколько долларов API-запросов можно было потратить буквально за вечер, особенно если отправлять модели большие документы...
Промпт против «чистой» проверки агента: что реально меняется при работе с проектной документацией
Я решил проверить на практике простой вопрос: нужен ли специальный промпт, если ИИ-агент и без него способен самостоятельно разобрать проектную документацию? Для эксперимента один и тот же проект — «Система видеонаблюдения» — был проверен дважды. Сначала агент самостоятельно определял методику работы и глубину анализа. Затем тот же комплект был передан ему с формализованным промптом, задающим обязательные направления проверки: оформление, нормативную базу, оборудование, взаимную согласованность разделов, расчёты и структуру итогового отчёта...
Семантическая память для ИИ-агента: что она реально даёт и куда я хочу её развить
Когда начинаешь долго работать с ИИ-агентом, довольно быстро возникает странная ситуация: информации у него становится всё больше, а найти среди неё нужное всё сложнее. Мой агент уже умеет сохранять заметки, решения, команды, результаты экспериментов и другие данные, но пока поиск в основном работает по словам. То есть если я помню, что несколько недель назад мы что-то обсуждали, мне желательно самому вспомнить, какими словами это было записано. Я сейчас добавляю следующий уровень — семантический поиск...
Как ИИ-агент тратит токены при работе с документами
Когда начинаешь работать с документами через ИИ-агента, расход токенов устроен совсем не так, как при обычном общении с чат-ботом. Я решил посмотреть свою статистику за одну неделю работы через AutoClaw. Получилось 54,7 млн токенов при 504 сообщениях. На первый взгляд кажется, что это огромное количество,...
