GPT-6 Astra
OpenAI· 2026-09-03 上线
综合第 1 名
66.5
编程
68.2第 1 名
科研
64.5第 4 名
专业办公
67.6第 2 名
知识问答
63.8第 1 名
- 评测覆盖
- 19 / 25 项 · 76%
- 缓存输入
- ¥6.73
- 输入
- ¥67.25
- 输出
- ¥336.27
价格：人民币 / 百万 Token。
编程
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| DeepSWE | 74.1% | 60.9 | xhigh | 26 |
| FrontierCode | 53.3% | 62.1 | max | 46 |
| FrontierSWE | 65.5% | 67.1 | max | 21 |
| WebDev Arena | 1,800 | 72.5 | max | 96 |
| ALE-Bench | 2,951 | 80.0 | max | 88 |
| WeirdML | 93.6% | 69.4 | promax | 60 |
| GSO | 79.4% | 65.1 | 未注明 | 16 |
科研
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| FrontierMath（1–3 级） | 93.7% | 65.2 | max | 66 |
| FrontierMath（4 级） | 97.6% | 70.0 | high | 57 |
| CritPt | 31.7% | 68.4 | max | 101 |
| ProofBench | 99.0% | 68.2 | 未注明 | 77 |
| OTIS Mock AIME | 100.0% | 56.5 | max | 87 |
| SciCode | 56.5% | 58.5 | max | 97 |
专业办公
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| APEX-Agents | 64.7% | 60.3 | 未注明 | 49 |
| Remote Labor Index | 20.8% | 66.1 | 未注明 | 12 |
| Vending-Bench 2 | $15,515 | 76.6 | 未注明 | 55 |
知识问答
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| SimpleQA Verified | 75.6% | 67.1 | max | 65 |
| GPQA Diamond | 95.8% | 57.1 | max | 84 |
| Humanity's Last Exam | 54.8% | 67.2 | 未注明 | 17 |
仅展示（不计分）
这些评测测的能力不在四个领域里，或者我们还没把握归到哪个领域。
| 评测 | 原始成绩 | 标准分 | 最好成绩的档位 | 比较模型数 |
|---|---|---|---|---|
| ARC-AGI-2 | 95.0% | 不计分 | max | 52 |
| ARC-AGI | 98.5% | 不计分 | xhigh | 52 |
| 国际象棋谜题 | 74.0% | 不计分 | max | 88 |
原始成绩取这个模型各个推理档位（xhigh、high、max、medium、low、promax、未注明、none）和各种评测配置里最好的一次；标准分 = 50 + 10 × （成绩 − 平均）÷ 标准差，在近 12 个月上线的模型里比较。「不计分」是这项评测有成绩的模型太少或不在计分范围。 数据 10月16日 06:10 更新。