GPT-6 Astra 早期评测：推理破纪录、速度大增，但基准口径与实际落差引争议

OpenAI 未正式发布的新旗舰模型 GPT-6 Astra 迎来一轮密集的早期评测与社区讨论，核心图景是：基准成绩亮眼且推理性价比大幅提升，但官方数字与独立测试之间存在明显落差，多位评测者更倾向于把它看作计算机使用/agent 专用模型而非 AGI。

已确认

• ARC-AGI 方面：ARC Prize 团队成员 mhmazur 发长文称，Astra 在标准 harness 下得分 62.7%，刷新纪录；在新架构下达 99.9%（m11）。ARC Prize 官方博客还指出 Astra 在 ARC-AGI-3 拿到 99.9% 的成本比一个月前 Opus 5 只做到 30% 时还低（m14）。Reddit 用户 DeArgonaut 汇总了 Astra 在 ARC-AGI-1/2/3 三代基准上的全部官方成绩与成本档位（m8）。
• 实测对比：Bindu Reddy 的实测认为 Astra 表现出色但仍略逊于 Fable 5.1，短板在长时间运行的 agentic 循环，长项在浏览器操作和 3D 渲染，同时价格便宜得多、速度快得多（m4、m6）。tristanbob 也确认 Astra 明显快于 Fable，不确定是 token 速率还是 token 效率提升，戏称其为「Fastra」（m12）。
• 官方发布会数字包括 FrontierMath Tier 4 达 97.6%、GPQA Diamond 96.0%、ExploitBench 100%（m16）。
• 其他评测观点：petergostev 长篇实测称 Astra 智能水平大幅提升，一个案例中 SQL 代码从 3.3 万行瘦身到 1800 行（m5、m10）；MoonL88537 的初印象是比 Fable 更聪明、判断更稳，在 Sol 和 Fable 会出错的调用上能瞬间做出无瑕疵判断（m13）。潜空间的汇总评论指出 Astra 的 Coding Agent 能力与 Claude Opus 5、Fable 5 相当，落后于 Fable，单任务成本减半，但思维链监控失效（m15）。

尚未确认

• Artificial Analysis 基准的中立性遭 ShubhamGarg123 质疑：其称 Astra 实际可能落后于 Fable 甚至 Anthropic 的 Opus，而该机构自称独立却被数百万人引用（m1）。
• Simon Smith 指出反常现象：Astra 在 Epoch ECI 上刷新纪录，却在 Artificial Analysis Intelligence Index 上与 GPT-5.6 Sol 持平，网友质疑两者口径（m7）。
• eyishazyer 拆解官方与独立评测的落差，称榜单 97.6% 对应的独立测试仅 61 分，价格翻倍只换来持平的智能水平（m16）。
• VraserX 的推文称 Astra 在场景生成 demo 中明显胜过 Fable 5.1 并宣称其已是 AGI，属单方面热情评价，无系统性评测数据（m9）。

为什么重要

• Astra 展示了在抽象推理基准上性价比的代际跃升（更低成本达到更高分），若独立复现成立，将影响对前沿模型能力边界的判断。
• 官方数字与独立评测的系统性落差，以及第三方基准机构被质疑偏向，凸显当前模型评测生态的口径混乱，用户需谨慎看待发布会数字。
• 多位评测者（becomingengageably 等）的共识方向是：与其争论 Astra 是否 AGI，不如关注它在浏览器操作、长程 agent 循环等实际工作流中的表现，这为评估新一代模型提供了更务实的框架。

2026-09-04 ~ 2026-09-05 · 16 条相关

• GPT-6 Astra 三代 ARC-AGI 成绩全公开,附各成本档位对比 — DeArgonaut · 2026-09-04
• GPT-6 Astra 在 ARC-AGI-3 拿 99.9%，成本远低于上月 Opus 5 的 30% — 233C · 2026-09-04
• GPT-6 Astra 评测汇总:单任务成本减半,但思维链监控失效 — vista8 · 2026-09-04
• 【源头】GPT-6 Astra 刷新 ARC-AGI 纪录:标准测试 62.7%,新架构下达 99.9% — repligate · 2026-09-04
• 【源头】Astra 榜单 97.6% 独立测试仅 61 分，价格翻倍换持平智能 — eyishazyer · 2026-09-04
• GPT-6-Astra 实测：智能水平大幅提升，SQL 代码从 3.3 万行瘦身到 1800 行 — i_dg23 · 2026-09-04
• GPT-6 Astra 创 Epoch ECI 纪录却在 AA 指数持平 GPT-5.6,网友质疑口径 — scaling01 · 2026-09-04
• GPT-6 Astra 演示碾压 Fable 5.1，发帖人称差距明显 — VraserX · 2026-09-04
• 曝 AI Analysis 基准或偏向 OpenAI:GPT-6 Astra 疑落后 Fable 与 Opus — Shubham_Garg123 · 2026-09-04
• GPT-6 Astra 评测分化：更像计算机使用专用模型而非 AGI — becomingengageably · 2026-09-04
• 评测者盛赞 OpenAI GPT-6-Astra:会猜到你想要什么,能力直逼 Fable — pvncher · 2026-09-05
• 【源头】实测称 GPT-6 Astra 略逊 Fable 5.1，但更便宜更快 — bindureddy · 2026-09-05
• 实测：GPT-6 Astra 比 Fable 5.1 便宜快得多，长任务略逊 — bindureddy · 2026-09-05
• 用户实测 GPT-6 Astra 初印象：比 Fable 更聪明、判断更稳 — MoonL88537 · 2026-09-05
• 用户实测 OpenAI 新模型 Astra:速度明显快于前代 Fable — tristanbob · 2026-09-05

另有 1 条近重复转述:becomingengageably