GPT-6 Astra 在 Artificial Analysis 编程智能体指数中取得显著进步，以更低成本取得与 Fable 5 相同的得分。在智能指数中，它实现相近性能所消耗的 token 少于 GPT-5.6 Sol，但这一优势被更高的价格所抵消。

定价全面为 GPT-5.6 Sol 当前价格的 2.5 倍，每百万输入/输出 token 的价格从 $4/$20 上调至 $10/$50，缓存读取仍享 90% 折扣，缓存写入则加收 25% 溢价。

在我们的两大旗舰指数中，我们看到截然不同的情况。在 Artificial Analysis 编程智能体指数中，GPT-6 Astra 以不到一半的成本追平 Fable 5，这得益于显著的 token 效率提升。在 Artificial Analysis 智能指数中，GPT-6 Astra 在相近性能下比其前代产品更具 token 效率，但这一优势被价格上涨所抵消。

Artificial Analysis 编程智能体指数--核心要点：

➤ 比肩顶级模型：在 Codex 环境中，GPT-6 Astra 在该指数中得分 67--与 Claude Code 中的 Claude Opus 5 和 Fable 5、以及 Muse Code 中的 Muse Spark 1.3 大致相当。Claude Code 中的 Fable 5.1 以 70 分领跑该指数。

➤ token 效率比 GPT-5.6 Sol 提升 70%：GPT-6 Astra 在 token 效率上实现了大幅提升，在 Codex 测试环境中消耗的 token 仅为 GPT-5.6 Sol（max）的三分之一，为 Claude Opus 5（xhigh）的五分之一。该模型的不同推理力度档位占据了 token 效率的帕累托前沿。

➤ 领跑 Coding Agent Index 成本效率前沿：在最大努力（max effort）设置下，GPT-6 Astra 的成本与 GPT-5.6 Sol（max）大致相当，而在该 Index 上的得分高出 2 分。按任务计算，在得分相同的情况下，该模型的成本不到 Claude Fable 5 的一半。

Artificial Analysis Intelligence Index -- 核心要点：

➤ 智能水平与 GPT-5.6 Sol 比肩：GPT-6 Astra 在该 Index 上的得分与 GPT-5.6 Sol 持平，均为 61 分。这比 Claude Fable 5.1（max with fallback）低 5 分。该模型也落后于 Meta 新发布的 Muse Spark 1.3（max）。

➤ 输出 token 减少约 10%，但被价格上涨抵消：GPT-6 Astra 在 Intelligence Index 对比每任务输出 token 方面定义了新的帕累托前沿--在最大努力设置下，其 token 使用量相比 GPT-5.6 Sol 减少了约 10%。然而，由于价格上调 2.5 倍，该模型在最大努力设置下每任务成本比前代高出 75%。

➤ 幻觉率仅为 GPT-5.6 Sol 的一半：GPT-6 Astra 在我们用于评测知识与幻觉的 AA-Omniscience 基准上实现了大幅跃升。这主要得益于最大努力设置下幻觉率从 92% 显著下降至 51%。与某些模型不同，这一改进并未以牺牲准确率为代价--与此同时，Astra 的准确率还提升了 4 个百分点。

➤ AA-Briefcase Elo 提升约 80 分：GPT-6 Astra 在 AA-Briefcase（我们用于评估前沿模型长期多步骤知识工作的评测）中提升了约 80 分。该评测要求模型处理跨数周的项目，包含大量相互关联的任务和数千个源文件。与上一代模型相比，Astra 在 AA-Briefcase 中的评分标准和 Analytical Quality Elo 均有显著提升。另一方面，我们观察到 Presentation Quality Elo 有所下降，GPT-5.6 Sol（max）在该项上仍领先所有模型。

➤ 其他评测进展不一：该模型在 Humanity's Last Exam（一项长期评测，侧重数学、科学和人文学科）中提升了 6 分。但这一提升被 GDPval-AA v2 中约 80 Elo 分的下降所抵消--该基准改编自 OpenAI 的数据集，用于衡量 44 个职业中具有经济价值的任务表现。我们还在其他多项评测中观察到 2-3 分的回退，涉及多种能力，包括 τ3-Banking（客户支持）、SciCode（科学领域的 Python 问题）以及 AA-LCR（对大型文档的长期上下文推理）。

祝贺 @OpenAI 和 @sama 发布新模型！