🤖Artificial Analysis

🤖Artificial Analysis

📝GPT‑6 Astra 在 Artificial Analysis 代码智能体指数中取得显著进步，得分与 Fable 5 相当，但成本更低。在智能指数当中，它实现相近性能所需令牌少于 GPT‑5.6 Sol，但该优势被更高的价格所抵消。
💰定价为 GPT‑5.6 Sol 现行价格的 2.5 倍，价格全面上调，每百万输入 / 输出令牌由 4 美元 / 20 美元上涨至 10 美元 / 50 美元；缓存读取依旧享有 90% 折扣，缓存写入则存在 25% 溢价。
🔍我们在两大旗舰指数当中看到截然不同的表现。在 Artificial Analysis 代码智能体指数当中，GPT‑6 Astra 以不足一半的成本比肩 Fable 5，得益于令牌效率大幅提升。而在 Artificial Analysis 智能指数当中，GPT‑6 Astra 对比前代模型，实现同等性能下令牌效率有所改善，但这一点被价格上涨完全抵消。
📋Artificial Analysis 代码智能体指数‑关键要点：
✅🏆对标头部模型：在 Codex 测试集下，GPT‑6 Astra 指数得分为 67 分，大致等同于 Claude Opus 5、Fable 5 在 Claude Code 测试集，以及 Muse Spark 1.3 在 Muse Code 测试集的得分。Fable 5.1 在 Claude Code 测试集以 70 分位居该指数首位。
⚡📊令牌效率较 GPT‑5.6 Sol 高出 70%：GPT‑6 Astra 在令牌效率方面实现实质性提升，Codex 框架下令牌消耗量仅为 GPT‑5.6 Sol（最大模式）的一半，仅为 Claude Opus 5（xhigh 模式）的五分之一。该模型不同算力档位全部处于令牌效率的帕累托最优前沿。
💸🚀领跑代码智能体指数成本效率前沿：开启最大算力档位时，GPT‑6 Astra 成本水平与 GPT‑5.6 Sol（最大模式）接近，但指数得分高出 2 分。完成单任务的成本不到 Claude Fable 5 的一半，却拿到同等分数。
📋Artificial Analysis 智能指数‑关键要点：
🤝📈与 GPT‑5.6 Sol 性能持平：GPT‑6 Astra 在该指数拿到 61 分，与 GPT‑5.6 Sol 得分相同；较 Claude Fable 5.1（最大带回退模式）低 5 分，同样落后 Meta 新发布的 Muse Spark 1.3（最大模式）。
✂️💲输出令牌减少约 10%，但被涨价抵消：GPT‑6 Astra 在智能指数评测中，单任务输出令牌量刷新帕累托最优；最大算力档位下令牌使用量相比 GPT‑5.6 Sol 下降约 10%。不过因为价格上涨 2.5 倍，该模型单任务成本较前代模型高出 75%。
👻📉幻觉率仅为 GPT‑5.6 Sol 的一半：GPT‑6 Astra 在 AA‑Omniscience（知识与幻觉基准测试）中实现大幅跃升。最大算力档位下幻觉率从 92% 显著下降至 51%。和部分其他模型不一样，该优化没有牺牲准确率，Astra 同时将准确率提升 4 分。
🧠📈AA‑Briefcase Elo 分数提升约 80 分：GPT‑6 Astra 在 AA‑Briefcase（前沿长时序知识工作评估）分数抬升约 80 分。该模型经过多周项目测试，覆盖大量关联任务以及数千份源文件。对比前代，Astra 在 AA‑Briefcase 的得分以及分析质量 Elo 均明显改善。与之相对，展示质量 Elo 出现下滑，该细分领域 GPT‑5.6 Sol（最大模式）依旧领先全部模型。
⚖️📑其余评测结果喜忧参半：模型在 Humanity’s Last Exam（侧重数学、科学、人文的长周期评测）上涨 6 分。但 GDPval‑AA v2 基准下 Elo 分数回落约 80 分；该基准改编自 OpenAI 数据集，用来衡量 44 类职业相关经济价值任务。其余多项评测出现 2‑3 分的小幅退步，涵盖 τ³‑Banking（客户支持）、SciCode（科学领域 Python 题目）、AA‑LCR（超大文档长上下文推理）等能力项。
🎉恭喜 @OpenAI 以及 @sama 完成本次发布！