标题：GPT-6 Astra 在 Artificial Analysis 编程智能体指数中大幅跃升

HN AI Best Practices 2026-09-10T11:51:52.977899

2026年9月3日

GPT-6 Astra 在 Artificial Analysis 编程智能体指数（Coding Agent Index）中进步显著，得分与 Fable 5 持平，但成本更低。在智能指数（Intelligence Index）中，它完成类似任务所用的 token 比 GPT-5.6 Sol 更少，不过这一优势被更高的定价抵消。

GPT-6 Astra 的定价全面达到 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 提高到 $10/$50；缓存读取仍保留 90% 折扣，缓存写入则需要额外支付 25% 溢价。

在我们两大旗舰指数中，情况截然不同。在 Artificial Analysis 编程智能体指数中，GPT-6 Astra 凭借显著的 token 效率提升，以不到一半的成本追平 Fable 5。而在 Artificial Analysis 智能指数中，GPT-6 Astra 在相近性能下比上一代更省 token，但这一优势被涨价抵消。

Artificial Analysis 编程智能体指数——要点：

➤ 比肩顶级模型：在 Codex 环境中，GPT-6 Astra 的指数得分为 67，与 Claude Code 中的 Claude Opus 5、Fable 5，以及 Muse Code 中的 Muse Spark 1.3 基本持平。Claude Code 环境下的 Fable 5.1 以 70 分领先指数。

➤ token 效率比 GPT-5.6 Sol 高 70%：GPT-6 Astra 的 token 效率明显提升。在 Codex 测试环境中，它所用 token 仅为 GPT-5.6 Sol（max 模式）的三分之一；也只有 Claude Opus 5（xhigh 模式）的五分之一。该模型不同的推理强度档位都处在 token 效率的帕累托前沿上。

➤ 领跑编程智能体指数的性价比前沿：在 max 推理强度下，GPT-6 Astra 的单任务成本和 GPT-5.6 Sol（max）差不多，但指数得分高出 2 分。与 Claude Fable 5 相比，它拿下同样分数时，单任务成本不到后者的一半。

Artificial Analysis 智能指数——要点：

➤ 智能水平与 GPT-5.6 Sol 相当：GPT-6 Astra 在该指数中得分 61，与 GPT-5.6 Sol 持平，比 Claude Fable 5.1（max + fallback 模式）低 5 分，也低于 Meta 新发布的 Muse Spark 1.3（max 模式）。

➤ 输出Token减少约10%，但涨价抵消了优势：GPT-6 Astra在「智能指数 vs 每任务输出Token」上定义了新的帕累托前沿——最高强度下，相比GPT-5.6 Sol，Token用量减少了约10%。但由于价格涨了2.5倍，最高强度下每任务成本反而比上一代贵了75%。

➤ 幻觉率只有GPT-5.6 Sol的一半：GPT-6 Astra在我们用于衡量知识与幻觉的AA-Omniscience基准上大幅跃升。这主要得益于最高强度下幻觉率从92%降到51%。而且和某些模型不同，这次提升没有牺牲准确性——Astra的准确率还同步提高了4个百分点。

➤ AA-Briefcase Elo提升约80分：GPT-6 Astra在AA-Briefcase（我们的前沿长周期知识工作评测）上提升了约80分。该评测模拟长达数周的项目，包含大量相互关联的任务和数千个源文件。与上一代相比，Astra在评分标准和Analytical Quality Elo上都有显著提升；但在另一个方向上，Presentation Quality Elo出现了下降——这一项上GPT-5.6 Sol（max）依然领先所有模型。

➤ 其他评测结果好坏参半：模型在Humanity‘s Last Exam上提升了6分（这是一项侧重于数学、科学和人文学科的长期评测），但在GDPval-AA v2上却跌了约80 Elo——该基准改编自OpenAI的数据集，用于衡量44种职业中的经济价值任务。此外，我们还在多个能力维度上观察到了2-3分的退步，包括τ³-Banking（客服支持）、SciCode（科学领域的Python问题）以及AA-LCR（大文档长上下文推理）。

编码代理指数成本下降主要来自Token效率的提升——最高强度下Token用量相比GPT-5.6 Sol（max）减少了约3倍。

GPT-6 Astra in Coding Agent Index：刷新编程智能体榜单

GPT-6 Astra 已站上编程智能体指数（Coding Agent Index）与单任务成本权衡曲线的帕累托前沿（即性价比最优边界）。在最高推理强度（max effort）下，它的单任务成本与 GPT-5.6 Sol (max) 基本持平，但指数得分高出 2 分。

图表：Coding Agent Index vs Cost per Task

在智能指数（Intelligence Index）与单任务输出 Token 数的权衡上，GPT-6 Astra 同样定义了新的帕累托前沿——在最高推理强度下，输出 Token 数比 GPT-5.6 Sol 减少了约 10%。

图表：Intelligence Index vs Output Tokens per Task

不过，在最高推理强度下，GPT-6 Astra 的调用成本比 GPT-5.6 Sol 贵 75%，因此在智能指数与单任务成本的权衡曲线上，它大体仍落在前代产品之后。这主要是由于价格涨了 2.5 倍，虽然 Token 用量下降带来部分抵消，但整体性价比仍未反超。

图表：Intelligence Index vs Cost per Task

GPT-6 Astra 在 AA-Omniscience（综合知识评测）上实现了大幅跃升，主要归功于幻觉率的显著下降：在最高推理强度下，幻觉率从 92% 降至 51%，同时准确率也有小幅提升。

图表：AA-Omniscience 评测结果

在智能体知识工作方面，该模型的表现则喜忧参半——AA-Briefcase（简报类工作任务评测）提升了约 80 分，但在 GDPval-AA v2 上却退步了相近的幅度。具体到 AA-Briefcase，Astra 的评分标准和分析质量 Elo（Analytical Quality Elo）均有明显提升，但演示质量 Elo（Presentation Quality Elo）有所下降。

图表：AA-Briefcase 评测细分