GPT-6 系列模型在 2026 年 10 月 14 日多了一个来自 OpenAI 内部的实测样本。OpenAI 开发者博客当天刊出核心实验团队的复盘：他们用 GPT-6 Astra 和 GPT-6.1 Sol 配合 Codex 维护大型代码库，五名工程师利用两周的零散时间，合并了 1400 多个清理类请求，删掉 80 多万行代码。这不是演示项目，而是 OpenAI 自己每天在用的生产代码。
死代码清理：任务可以给得宽，证据必须交齐
以前用 GPT-5.6 Sol 做清理，工程师要先圈定排查范围、写清验证标准，模型再按图施工。换到 Astra 后，团队故意只给一句宽泛的要求，看它能不能自己决定去哪找、拿什么证明一段代码确实没人用。结果是它会翻历史合并请求、内部讨论串和项目跟踪记录，还会查生产环境的性能分析表，确认待删代码从未被真正执行过，并为每一处删除写明理由，评审速度因此明显变快。清理的直接收益很具体：一个服务的容器镜像从 3.31GB 缩到 1.72GB，减少约 48%；测试套件里还删掉了约 400 个视觉快照变体。这种能跨越长上下文、自己组织证据链的干法，和 GPT-6.1 Sol 把默认上下文升至 500k 后主打的长任务路线 是同一套思路。
过期实验更难清：难的不是删，是判断还能不能动
死代码删错了顶多回滚，过期实验则不同：代码可能还在生产环境运行，资格判断随时可能变化，静态分析很容易误判。团队让 Astra 在预设的护栏内准备改动并附上证据，再由人逐项拍板。其中一个例子很典型：几年前有人写了一个内部功能开关，可以覆盖其他全部新功能开关用于测试，因为它把自己映射到了所有功能上，运行时造成了明显的 CPU 扇出。这个开关在管理台里被标成了永久保留，Astra 查到了它的 CPU 成本异常，却没有擅自删除，而是上报人工评审，确认后再移除，估计为主要受影响的服务省下约 0.42% 的 CPU。整轮下来，数百个过期实验和功能开关被清掉。
便宜档位的账：Sol 用 14% 的成本拿到 92% 的发现
团队还做了同题对比：在覆盖 6000 多个文件、100 万行代码的子目录上，用同一条提示词审计过期实验。Astra Ultra 找到 142 项，按标准 API 价格计算的成本是 109.06 美元；GPT-6.1 Sol Ultra 找到 131 项，成本 15.12 美元，相当于用约 14% 的钱拿到约 92% 的发现；Sol Medium 找到 86 项，成本只要 5.27 美元。Sol 主要漏掉的是被其他开关当作依赖的常量开关，这类漏检规律摸清后，可以靠改提示词补回来。另一条战线是持续集成：按模型建议落地了约 30 个优化请求后，CI 中位完成时间从约 10 分钟降到 4.5 分钟，其中一个 63 条测试的套件从 592.6 秒降到 29.8 秒，测试一条没少。
对正在用编程智能体的团队，这篇复盘里可迁移的部分不是某个神奇提示词，而是顺序：先在一个小目录试点，要求每项改动自带证据，人工评审通过后把反馈写回提示词，再逐步放大范围；选模型时也先测便宜档位的发现率，最贵的型号只留给最难的审计。需要提醒的是，以上数字全部来自 OpenAI 自报的内部结果，没有第三方复现，自家代码库的收益幅度搬到别的项目上大概率会打折。
