GPT-6 Astra 实测:幻觉减半但涨价2.5倍

GPT-6 Astra 在Artificial Analysis编码智能体指数中取得显著进步，成本更低的情况下得分与Fable 5持平。

在智力指数中，它在性能相近的情况下比GPT-5.6 Sol使用更少的token，但这一优势被涨价抵消。

定价方面，全面上涨至当前GPT-5.6 Sol价格的2.5倍，每百万输入/输出token从4美元/20美元涨到10美元/50美元，缓存读取仍保持90%折扣，缓存写入仍收取25%溢价。

我们的两大旗舰指数呈现出截然不同的结果。在Artificial Analysis编码智能体指数中，得益于token效率的显著提升，GPT-6 Astra 成本不到一半就取得了与Fable 5持平的得分。

在Artificial Analysis智力指数中，性能相近的情况下GPT-6 Astra比前代更具token效率，但这一优势被涨价抵消。

---

Artificial Analysis编码智能体指数——核心结论：
➤ 对标顶级模型：在Codex中，GPT-6 Astra的指数得分为67分——大致等于Claude Code中的Claude Opus 5和Fable 5，以及Muse Code中的Muse Spark 1.3。Claude Code中的Fable 5.1以70分位居指数榜首。

➤ token效率比GPT-5.6 Sol高70%：GPT-6 Astra的token效率大幅提升，在Codex测试环境中，它使用的token量是GPT-5.6 Sol（最大努力水平）的三分之一，是Claude Opus 5（极高努力水平）的五分之一。该模型不同努力水平都处于token效率的帕累托前沿。

➤ 领跑编码智能体指数成本效率前沿：在最大努力水平下，GPT-6 Astra成本与GPT-5.6 Sol（最大努力水平）大致相当，指数得分却高出2分。单任务来看，得分相同的情况下，该模型成本不到Claude Fable 5的一半。

---

Artificial Analysis智力指数——核心结论：
➤ 与GPT-5.6 Sol智力水平相当：GPT-6 Astra在该指数中得分与GPT-5.6 Sol持平，为61分。比Claude Fable 5.1（带 fallback 的最大努力水平）低5分，也落后于Meta新发布的Muse Spark 1.3（最大努力水平）。

➤ 输出token减少约10%，优势被涨价抵消：GPT-6 Astra在「智力指数 vs 单任务输出token」上定义了新的帕累托前沿——与GPT-5.6 Sol相比，最大努力水平下token使用量减少约10%。但由于价格上涨2.5倍，最大努力水平下单任务成本比前代高出75%。

➤ 幻觉率是GPT-5.6 Sol的一半：GPT-6 Astra在我们的知识与幻觉基准AA-Omniscience上取得大幅提升，最大努力水平下幻觉率从92%大幅降至51%。和部分模型不同，这一提升没有以准确性为代价——Astra同时将准确性提升了4个百分点。

➤ AA-Briefcase Elo提升约80分：GPT-6 Astra在我们的前沿长周期知识工作评估AA-Briefcase中提升了约80分。测试中模型需要完成多周项目，包含多个关联任务和数千个源文件。Astra在评分标准得分和分析质量上都有显著提升。