彻底杀疯了！分享9个让人惊艳的GPT-6 Astra案例

**想尽快体验 Astra，目前更直接的方式是升级 ChatGPT Pro。可以看这篇 GPT-6 Astra开放 与 充值方法。

前面写 GPT-6 Astra正式发布 时，我最关注的就是它的 Computer Use：模型不只在聊天框里回答问题，而是开始进入浏览器、Blender、Figma、KiCad 这些真实软件，把任务做出来。

这两天再看 X 上大家交出来的“作业”，题材已经扩展到了人体解剖、V8 发动机、蒸汽火车、电路板，甚至是完整的 3D 场景。

其中一个人体解剖网站，截至 2026 年 9 月 8 日已经拿到约 5.12 万赞、642 万次浏览。

这次我挑了 9 个值得看的案例。

有的视觉效果确实炸裂，有的成品未必已经能用，但制作方法非常值得抄作业。

先提醒一句：下面的部件数量、制作耗时和“一次生成”等信息，主要来自作者自述。视频好看，不等于工程质量、专业准确性和交付标准已经通过验证。

1、2234个部件，把人体一层层拆开看

ashe 用 Astra 创建了一个 3D 人体解剖网站 (opens new window)。

按作者的说法，这个人体模型包含 2234 个部件。用户可以旋转模型、隐藏外层结构，再顺着自己感兴趣的部位一层层往里看。

这个案例最打动我的，不是“零代码做了一个网页”。

而是它把原本很难靠文字建立的空间关系，变成了可以自己探索的交互过程。

人体解剖、机械结构，以及 JVM 垃圾回收，本质上都有同一个讲解难点：对象在哪里、彼此什么关系、前后发生了什么变化。

一张平面图只能给固定视角。交互模型却允许读者停下来、换角度、拆开看，很多解释自然就省掉了。

但这里也要把边界说清楚。

2234 个部件不等于 Astra 从零完成了整个人体建模。 原帖展示的是网站成果，底层模型从哪里来、医学结构是否准确，都没有得到独立验证。真拿去教学，还得让专业人士审核。

2、V8发动机，也能做成交互式演示

Dilum Sanjaya 给 Astra 的任务，是制作一个细节丰富、可以交互的 V8 发动机可视化 (opens new window)。

注意，这里的 V8 是机械发动机，和 Chrome 里的 JavaScript V8 引擎没有关系。

相比一张发动机剖面图，可交互模型给了讲解者更多空间。

你可以围绕结构展开，也可以让读者停在没看懂的位置，自己观察活塞、曲轴和其他部件的关系。

这类案例特别适合技术教育。

不是把原来的文字换成一个更炫的动画，而是让读者主动控制观察顺序。

3、一张旧图纸，几分钟重建一列蒸汽火车

Tom Krcha 的玩法很直接：给 Astra 一张旧的蒸汽火车图片，让它在 Blender 里重建。

按作者描述，几分钟后，项目里已经出现了 3295 个可以编辑的对象。

重点注意“可以编辑”这几个字。

做内容也好，做产品原型也好，第一版出来以后通常还要改。比例不对要调，某个部件需要单独讲要拆，镜头不满意还要重新安排。

如果模型最后只丢给你一张漂亮的渲染图，后面修改依然很痛苦。

能继续在 Blender 里调整的工程文件，才真正给后续工作留下了空间。

当然，3295 个对象也不能直接证明建模质量。对象是否组织清楚、拓扑和几何是否合理，还得打开工程检查。

但从一张旧图出发，快速得到一个能继续加工的三维项目，这个用途已经很有吸引力了。

4、Figma这个案例，真正惊艳的是它先给自己写了个插件

设计师 issui.txt 分享的 Figma 设计案例 (opens new window)，是这批作品里我个人最感兴趣的一个。

作者让 Astra 根据品牌视觉完成页面设计，并且直接操作 Figma 把结果做出来。

他对成品的评价很高，甚至说这次结果动摇了自己此前对 AI 设计能力的判断。

但更值得看的细节藏在回复里。

他没有使用 Figma MCP，也没有使用 Figma Agent，而是让 Astra 先为当前任务创建一个 Figma 插件，再结合电脑操作完成设计。

这提供了一种很灵活的 Agent 用法：现成工具不够顺手时，不必一直等官方适配，也可以让模型为当前任务临时写一段程序，再配合界面操作完成工作。

这恰恰是 Astra 最让我兴奋的地方。

平时大量时间都耗在不同软件之间：找素材、改版式、检查页面、导出结果。模型如果能把这些动作真正接起来，收益比“聊天回答更长了”实在得多。

但别把这段演示理解成“AI 全程只靠鼠标就做完了设计”。

插件参与了工作，而这套工具组合，正是这个案例最值得学的部分。

5、连KiCad的PCB布局都有人试了

Kai Yang 展示的是让 Astra 在 KiCad 中做 PCB 布局 (opens new window)。

视频只有约 18 秒，截至 2026 年 9 月 8 日却已经拿到约 5028 个赞、94 万次浏览。

这类专业软件案例很值得留意。

布局工作有具体对象，也有具体约束。模型需要识别界面上的元件，再执行移动、放置、连线等操作，不能只生成一段看起来合理的说明。

不过，现有视频能支持的结论也就到“完成了一段 PCB 布局演示”为止。

是否通过 ERC、DRC，电气规则是否正确，制板以后能不能正常工作，都需要额外的检查结果。

能操作专业软件，和能交付专业工程，中间还有很长一段路。

6、一次任务，直接生成能在浏览器里跑的3D游戏

浏览器游戏是这轮 Astra 案例里最热闹的题材之一。

Theo 展示了一个 一次任务生成的 3D 游戏 (opens new window)，完成后直接在浏览器里运行。

这种演示的传播力非常强。

因为大家都玩过游戏，人物能不能移动、场景像不像、交互有没有反馈，几秒钟就能看出一个大概。

但“一次生成”也很容易让人误判。

一段能跑起来的 Demo，不等于完整游戏开发已经结束。关卡、手感、碰撞、存档、性能、兼容性和长期维护，才是后面真正费时间的部分。

7、Minecraft风格作品，把体素世界也做出来了

Flavio Adamo 展示的是一个 Minecraft 风格的浏览器作品 (opens new window)。

作者在回复中补充，项目使用了 Three.js、自制 JavaScript 体素引擎和程序化地形，还包含挖掘、合成、生物 AI、localStorage 存档和 Vite 构建。

这比“做一个像 Minecraft 的页面”复杂得多。

它同时涉及画面、世界生成、交互规则和浏览器运行环境。模型不仅要把某一帧做得像，还得让多个系统一起运转。

但这里依然要区分 Demo 和产品。

熟悉的视觉风格让我们很容易做直观比较，却也容易忽略代码结构、性能上限和边界情况。判断项目质量，最终还是要看源码和实际运行，而不是只看短视频。

8、45分钟做出3D场景，这套流程最值得抄作业

Anshu 的 3D 场景案例 (opens new window) 很抓眼球。作者称，首版用了 45 分钟。

但我更想展开的是他的制作方法：

1. 把 Codex 接上 Blender MCP；
2. 给 Astra 提供游戏概念；
3. 让 Astra 使用 ImageGen Skill 先生成目标美术风格的概念图；
4. 再拿实际游戏截图和概念图对照，继续迭代；
5. 同时给出 60 FPS 的性能目标。

这里有一个可以直接借鉴的动作：先把想要的画面做成视觉参考，再让模型拿运行截图检查差距。

单靠文字说“更有质感”“再精致一点”，修改方向很容易飘。

有了参考图以后，就能具体检查场景、颜色、光影和构图哪里不对，模型也有了更明确的修改依据。

作者后续还补充称，首版只是一个小型图形 Demo，完整玩法是继续运行后补上的；最初显示的低额度消耗，也可能是客户端更新不及时。

所以真正值得复制的，不是“45 分钟做完游戏”，而是 概念图定方向、截图做验收、性能指标卡底线 这套闭环。

9、还有人在Unreal Engine里搭曼哈顿

Matt Shumer 的题材更大：让 Astra 在 Unreal Engine 中搭建曼哈顿街区 (opens new window)。

作者称，这个项目持续了一周，并且按街道不断完善。

它很容易让人联想到 Astra 的长任务能力。

场景规模扩大以后，模型要处理的对象、素材和修改会越来越多。此时真正难的已经不是某一帧够不够漂亮，而是项目能否持续推进，前面的约束会不会丢，后面的修改会不会破坏已有结果。

不过，“持续一周”不等于模型连续无人值守运行了一周。

素材从哪里来、中间有多少人工介入、改了多少轮，原帖并没有完整交代。这个案例证明了它能参与大规模场景制作，但还不能证明整个流程已经全自动化。

看完9个案例，我更确定Astra强在哪里了

这 9 个作品横跨网页、Blender、Figma、KiCad 和 Unreal Engine。

表面看，是 Astra 什么软件都会一点。

但真正的变化是三件事：

• 它开始把现成软件当作工作环境。 不只写代码，还会进入工具里操作和检查结果。
• 它会临时补工具。 Figma 插件案例说明，接口不够用时，模型可以先给自己造一把扳手。
• 它能形成“生成—观察—修改”的闭环。 Anshu 用概念图和运行截图反复对照，比一句模糊的“再优化一下”有效得多。

这也是为什么我认为 Computer Use 比很多接近满分的 Benchmark 更值得关注。

不过，别看到演示视频就直接把 Astra 当成成熟员工。

人体模型要审医学准确性，火车工程要检查对象组织，PCB 要跑规则检查，游戏要看性能和完整玩法，设计稿也要经过品牌与可用性验收。

Agent 可以把第一版的速度拉得非常快，但最后那道验收，今天仍然不能省。

Astra确实能干，但额度也是真的贵

我在 GPT-6 Astra发布详解 里算过价格：Astra 的标准 API 价格是每百万输入 Token 10 美元、输出 Token 50 美元，长上下文、Fast 模式和多轮工具调用还会继续放大成本。

所以我的建议很简单：

• Plus 用户暂时不用为了这些演示硬上 Astra；
• Pro 用户也别一开始就拉满推理档位、打开 Fast 模式；
• 先用低档跑一个边界清楚的小任务，看看成功率和额度消耗；
• 简单任务继续交给便宜模型，把 Astra 留给其他模型真搞不定的长链路任务。

至于 Ultra 模式下的 Astra，我只能说——那真是给富哥们准备的。

Astra 已经彻底杀疯了，但我们的额度，最好别跟着一起疯。

资料来源

• ashe，3D人体解剖网站：https://x.com/ashebytes/status/2096221988763173186
• Dilum Sanjaya，V8发动机可视化：https://x.com/DilumSanjaya/status/2096280244663775423
• Tom Krcha，蒸汽火车重建：https://x.com/tomkrcha/status/2095756085890310311
• issui.txt，Figma设计案例：https://x.com/issui_ikeda/status/2096467418575147367
• Kai Yang，KiCad PCB布局：https://x.com/ChihYang04/status/2095637507337826741
• Theo，浏览器3D游戏：https://x.com/theo/status/2095599934766764338
• Flavio Adamo，Minecraft风格作品：https://x.com/flavioAd/status/2095597137849446688
• Anshu，3D场景案例：https://x.com/anshuc/status/2096008083826725132
• Matt Shumer，Unreal Engine曼哈顿：https://x.com/mattshumer_/status/2095609734845927525