大家好，我是萝卜哥～
这两天晚上我刷 X 的时候，时间线基本被 GPT-6 Astra 刷爆了。
有人 25 分钟做了一个完整的可玩游戏，有人让它接管 Final Cut Pro 剪了一整条视频，还有人丢了几张房产照片进去，它直接用 Blender 重建了 3D 模型再自动生成宣传片，这些 demo 在 X 上的播放量动辄几十万、上百万。
但我刷了两天之后想了想，社交媒体上那些炸裂 demo，大多数人看完之后呢？
点个赞，收藏一下，然后继续该干嘛干嘛。
感觉这些 demo 离我们很近，但是又遥不可及。
所以今天我想做的事情很简单：
扒完网友们的真实测试，结合 Astra 的能力特点，整理 10 个我觉得真正能拿来赚钱的方向。不是“用 AI 写博客月入十万”那种忽悠帖，是落到地面上你明天就能开始试的东西。
坐好，咱们发车。
这个我要重点说一下，因为已经有人跑通了。
早期测试用户 Ben Davis 在 X 上发了一条帖子，原话是：
他让 Astra 在 Final Cut Pro 里完成了完整工作流：建项目、导素材、同步音频、调色、整理时间线，而且它的操作方式就是像人一样点击屏幕上的按钮。
然后他和自己的视频剪辑师坐在一起看 Astra 干活，看完之后 Astra 又把他俩的反应视频也剪了，字幕都加好了。
你就说离谱不离谱吧～
另一个更狠的案例来自创作者 Nate Herk。
他给了 Astra 一个开放式指令：
Astra 先去研究了别人做的 Astra 项目，然后自己写脚本、用声音克隆生成旁白、驱动 AI 数字人、剪辑配乐配音效，最后渲染出片。
如果你现在接视频剪辑单子，你的成本和工作结构彻底变了：
你做质量把关和客户沟通，Astra 负责动手。
变现逻辑：价格按人工水平报，成本按 AI 算，中间的差价就是你的利润。
当然了，如果你都是接一下三位数的小单子，那可能还保不住 GPT 的会员订阅费用和 Token 消耗。
这个方向适合一些高端订单，怎么也要四位数起步吧～
科技评测人 Matthew Berman 拿到了早期访问权，他用 Astra 做了一个可玩的 Fall Guys 风格的游戏，还做了一个 SimCity 式的城市模拟器。
城市模拟器那个尤其夸张，有分区建设、医疗数据、警察呼叫事件，甚至路上有车在跑、有行人在走。
游戏工作室 Playco 也参与了测试。
他们给了 Astra 一个灰盒原型，也就是只有框架没有美术的那种。Astra 一次性生成了三个主题风格的版本：一个海盗风、一个糖果风、一个赛博朋克风，手动修改量比上代模型少了一半。
还有这种射击类游戏，效果也超棒。
说实话，这个方向竞争会非常激烈，国内很多博主已经开始做各种游戏了。
但如果你会一点 Godot 或 Unity 的基础，现在做原型的效率可能是以前的五倍。
在独立游戏圈，能快速出原型，就意味着能更快拿到发行商的注意力。
适合人群：适合有一点游戏引擎基础、懂玩法验证、能快速做 Demo 的开发者或小团队。
先出手的人吃第一波红利，等大家都反应过来就卷了。
这个案例太好了，必须单独讲。
Yunfan Ye 在 X 上发了一条帖子，播放量超过 160 万。他做的事情很简单：把一个 Zillow 房产 listing 的链接丢给 Astra，让它用 Blender 根据 listing 照片重建 3D 模型，然后生成一段飞越式的宣传视频。
一次出片，没有来回修改。
提示词也很简单：
最后一次性生成的视频如下，太牛了。
虽然一次性出的结果还有一些细节上的错误，但如果再让 Astra 打磨一下会好很多。
他后来还专门回应了网友“没有实际用途”的质疑，找了一套最近降价的普通房子重新做了一遍。
那种 listing 照片不好看、也没做 staging 的房子，用这个方式展示效果完全不一样。
房产经纪人、电商卖家、室内设计工作室，都有 3D 展示需求，但专业建模成本又太高。
你用 Astra 出粗稿，Blender 里稍微收个尾，收个几千块不过分。
市场教育成本很低，因为他们等这个东西已经等了好几年了。
在接单平台接过编程开发工作的人都知道，瓶颈从来不是接不到活儿。
瓶颈是一个人的手只有一双，很多需求根本干不过来。
Riley Brown 在 X 上发了一段 3 分 22 秒的屏幕录制，他用 Codex 搭配 Astra，跑了一个 28 分钟的自主编码 session，处理了 20 个文件，做了 80 次检查。
全程自动，写代码、跑测试、看页面有没有正常渲染、测 UI 组件，全部通过了才关掉 ticket。
这个 demo 和前面那些炫酷的 3D 游戏不一样。
它不好看，但它离赚钱更近。
你如果本身会写代码，现在同时接三个客户的活是完全可能的。
以前做不到是因为手不够，现在 Astra 帮你装上了。
如果你不太会代码但一直想接一些编程的活，那就好好利用 Astra 吧，它真的能帮你完成大部分的需求。
这个方向的案例实在太多了，挑两个最有说服力的说。
Tom Krcha 在 X 上做了一个测试：
他找了一张老式蒸汽机车的技术图纸，丢给 Astra 让它在 Blender 里重建。
几分钟之后出来了 3,295 个完全可编辑的独立对象，真的是你可以一个零件一个零件拆开来改的那种啊。
这条帖子的播放量超过 75 万，可见这个赛道有多么吸引人。
另一个是 Sharif Shameem，他让 Astra 在 Blender 里重建了旧金山的艺术宫（Palace of Fine Arts）。
圆顶、环形柱廊、建筑细节都很还原，跟实际照片对比之后保持了很高的结构精度。
Shameem 这个人来头不小，2020 年 GPT-3 时代他做的那个“用自然语言生成 React 代码”的 demo 被 Sam Altman 亲自转发过，后来创办了图片搜索引擎 Lexica，现在在 OpenAI 做前沿模型能力探索。
3D 建模这行原来的门槛是：
现在 Astra 把起步阶段压缩到极致了。
你接 3D 资产制作单，Astra 出粗稿，你做细节收尾就行了。
原来十几小时的活，现在两三个小时搞定。
不过有个暂时躲不过去的缺点：
很多测试者反馈了一个共同问题，Astra 生成的 3D 作品有一种辨认度很高的“AI 设计味”，倾向于扁平化设计，而且不同项目之间爱用同一种绿色调色板。
你要是不在 prompt 里明确要求风格，出来的东西看着挺像，但就是少了那股手工感。
所以要想在这个领域发展得好，你的审美判断和后期打磨才是真正值钱的部分。
前面讲的都是创意方向，说实话，还是需要个人拥有一定的艺术气息的。
下面换个角度聊聊企业端。
OpenAI 官方在发布会上展示了 Astra 操控 KiCad、Excel、Blender、Power BI、Unity 的画面，也演示了浏览器填表和网站 QA。
Greg Brockman 说了一句很到位的话，大意是：
你看，这就是机会。
很多小公司日常有一大堆重复的电脑操作：报价单录入、合同归档、客户信息从聊天记录搬到表格里。
以前这些要么雇人，要么找系统集成商花好几万搭一套相关系统。
现在你用 Astra 做一套“说人话就能跑”的流程，打包成月租服务卖给他们。
一个月收个两三千，客户觉得便宜，你同时服务五六家就是稳定收入。
这个赛道目前竞争还没有那么激烈，而且客户痛点清晰、付费意愿强，很值得去尝试。
顺带说一句，上面这件事你不一定要自己动手搭系统。
大部分中小企业老板知道 AI 重要，但不知道从哪下手。
他们需要一个人帮他们梳理哪些流程值得自动化、接入什么工具、谁来监督、出了问题怎么办。
你来做这件事，给人家省了一个文员的工资，收一个月几千块的顾问费，人家觉得划算。
这个角色叫 AI 工作流顾问，词听起来有点虚，但做的事情非常实在。
熟悉 AI 行业动态的朋友可能听过今年很火的一个岗位：FDE（Forward Deployed Engineer，前线部署工程师）。
Palantir 十几年前发明了这个模式，现在 OpenAI、Anthropic、Databricks 都在疯抢这类人才。
2026 年 4 月，FDE 岗位招聘量比去年同期暴涨了 729%，平均底薪 17 万美元。
FDE 做的事情本质上跟 AI 工作流顾问一样，就是帮企业把 AI 落地到实际业务里。
区别在于：
FDE 是 AI 大厂的正式员工，服务 Fortune 500 级别的大客户，驻场三个月起步，技术门槛很高。AI 工作流顾问面向的是中小企业，可以独立接客户按月收费，技术要求也低得多。
打个比方，FDE 是 AI 公司派出去的特种兵，AI 工作流顾问是社区里的全科医生。
大公司的蛋糕被 FDE 吃走了没关系，中小企业这片市场大得很，而且几乎没人在做。
关于 FDE 的免费在线阅读材料，大家可以看看：
Astra 的电脑操控能力正好是企业自动化所需要的能力。
以前模型只能告诉你怎么做，现在它能直接做。
谁最先帮中小企业把这个能力用起来，谁就能吃到这波红利。
我也更觉得，相比 FDE 这样要求更高的岗位，咱们普通人做一个小而精的 AI 工作流顾问更合适。
Astra 的浏览器操控能力在一些看起来不那么炫酷的场景里，反而更实用。
比如下面这个视频，展示了 Astra 在 eBay 上比价的过程，非常丝滑。
只需要把这个能力包装一下，挑一个垂直行业，比如跨境电商的某个细分品类，或者 SaaS 的某条赛道，每周出一份竞品情报报告。
Astra 负责搜集和初步整理，你负责筛选、加判断、编排格式。
按月订阅收费，几十个订阅用户就是一笔很稳的收入了。
最关键的还是你对那个行业的理解，这个 AI 替代不了，也是别人订阅你的核心。
其实在 Nate Herk 那个案例的时候就提过媒体自动化了，这里再从另一个角度展开一下。
Wharton 商学院的教授 Ethan Mollick 也拿到了 Astra 早期测试访问权。
他说体验了 Astra 之后，最大的感受就是：
他做了一个可行走的古代亚历山大图书馆模拟器，有可阅读的卷轴、双语环境音、不同理论的历史推演场景，代码还开源了。
这个方向的变现路径就是做教育类频道、做工具测评、做知识付费内容。
以前做这些内容一般都是卡在产能上，一个人或者一个小团队很难铺量。
但是现在有了 Astra，就有机会量产高质量视频了。
当然了，选题和质量守护还是要靠我们自己，要不然出来的也只是高效生产的垃圾。
最后这一条跟前面九个不太一样，但我觉得赚钱空间一点不小。
Astra 的 API 定价是每百万输入 token 10 美元、输出 50 美元，是上一代 GPT-5.6 Sol 的 2.5 倍。
这么贵，那么花这个钱到底值不值？
其实这个问题不好回答，因为答案很看场景。
独立测试机构 Artificial Analysis 就发现，Astra 在客户支持场景上的表现相比 Sol 反而退步了。
其实也有很多群友说自己并没有感觉 GPT-6 Astra 要强多少，我觉得这些感觉都没有问题，还是看个人的应用场景。
还有朋友发现它的知识截止日期标注和实际表现对不上，有些人甚至用这些信息来判断是不是被降智了。。。
这些信息其实对于企业和个人来说都是噪声，很影响决策。
这个时候如果你做一个专门测 AI 工具的账号，每次新模型出来拿真实任务跑，不吹不黑给出明确结论。
这种内容流量来得快，因为每一次模型发布都是天然热点。
现在很多人都在做公众号、某音等等平台测评号，而且数据都很不错。
变现路径：广告、付费社群、企业咨询都能接。关键还是要自己有想法，测试案例有说服力，打铁还需自身硬哦。
说了这么多，最关键的是很多时候我们的 Astra 额度不够用啊。
下面来看一个比较能节省 Token 的方法。
主 Agent 用 GPT-6 Astra Low 或者 Medium，负责拆解、验收任务。子 Agent 使用 GPT-5.6 Luna Max，负责苦力，比如扫仓库、改文件、写测试等等。
这些一定要写到配置文件里：.codex/config.toml
Astra 确实强。
操控电脑、跨软件干活、长周期任务保持，这些能力放在半年前想都不敢想。
但工具再猛，最后拼的还是我们对需求的嗅觉，外加你能不能真的蹲下来把一个方向做透。
就好比都是做海外独立站，有些人就能快速发现需求，然后每一个独立站都能获得流量并赚钱。
但是有些人做的网站，根本没有太多人需要，那自然就赚不到钱了，和你的网站好不好看没有太多关系。
我最看好的方向
这十个方向里，我个人最看好面向企业的那几个：内部自动化、工作流顾问、竞品情报订阅。原因也简单，客单价高，而且 Astra“直接坐到电脑前帮你干”这个能力，恰好是企业最需要的。
游戏和 3D 方向爆发力很强，但竞争也会来得最快。
工具已经足够强了，但是怎么做，还是看自己。
先动手做起来，比什么都重要。
以上就是今天的分享，觉得有帮助，帮请帮一键三连：点赞、转发，再看和留言，你的反馈对我很重要！