GPT-6 Astra 评测汇总:单任务成本减半,但思维链监控失效
vista8 · x · 2026-09-04
潜空间(Latent Space)对 OpenAI 新旗舰 GPT-6 Astra 的长篇评论,汇总多方评测:
- 能力对比:Coding Agent 能力与 Claude Opus 5、Fable 5 相当,落后于 Fable 5.1;综合智能指数部分维度甚至不如 GPT-5.6。优势在 Token 效率与 Computer Use、自主编程、长流程任务;在 3D 建模(Un blender/Unreal)、数学推理上有突破,解答了 Lean 验证的未解 Erdős 问题。
- Harness 争议:ARC Prize 发现 ARC-AGI-3 只有在 OpenAI 专有适配 Harness 上达到 99%,标准跑分仅 63%——未来评测须注明是否使用专有 Harness。
- 安全风险:去掉思维链显示后,自主运行时长从 3.6 分钟升至 30.9 分钟,推理过程不可见带来监控难题。
- 发布声量:9 小时 3600 万浏览、16.4 万点赞,首次在发布热度上超过 Anthropic。
- 定价:标准版 $10/$50(每百万 token 输入/输出),2.5 倍速 Fast 版 $20/$100;单价较 GPT-5.6 Sol 贵 2.5 倍,但编程任务 token 消耗仅前代约 1/3,单任务成本约为一半。
所属事件:OpenAI 发布旗舰模型 GPT-6 Astra：高价上线引热议(190 条相关)→
「编程与Agent」频道最新
- MCP 平台 NitroStack 登顶 Product Hunt 每日第一，聚焦留存与开发者访谈 — EstablishmentFun4373 · 2026-10-21
- CodeRabbit 团队周发 5000 个 PR：机器造机器，招人先看策略游戏时长 — omojumiller · 2026-10-21
- LukeW 总结智能体软件五大 UI 难题:多智能体监控与协作设计 — LukeW · 2026-10-21
- 用 Claude Code 经 ADB 清理安卓电视:删 11 个应用、可用内存涨 90% — edwinarbus · 2026-10-21
- 小米电视被广告件拖到卡顿,开发者用 Claude 一键救回流畅 — edwinarbus · 2026-10-21
- 开源新模型 Ornith-1.5-122B 发布:SWE-bench 84.5%,单卡 DGX 可跑 — _akhaliq · 2026-10-21