發佈僅一天,GPT-6.2 Astra 的基準全景還很單薄:獨立標尺目前只有 Artificial Analysis 一家,OpenAI 自報的兩項領先尚未獨立復現。本文盤點全部可覈查分數,先講 62 分由什麼構成,再講排名爲什麼有兩個說法,最後講哪些數字只能當廠商口徑引用。
Artificial Analysis 智能指數 v5.0.1(Max 檔):Astra 62 分,91 個模型前三;第一名是 Claude Fable 5.2 的 65 分;GPT-6 Astra 57 分、GPT-6.2 Sol 57 分(第 11)、GPT-6.1 Sol 55 分。AA 測得每指數任務 $4.00、11.5 分鐘、生成 65.8M token。橫向看:Fable 5.2 每任務 $26.54、GPT-6 Astra $6.24、Sol $1.01。Astra 是榜單前列裏每任務最便宜的旗艦之一。
AA 官方 X 帖稱 Astra 爲「榜單第二」(#2 model in the Index),本站 11 月 18 日 AI 簡報稱 91 個模型中第三。兩種口徑可能來自不同檔位、不同版本或不同統計口徑(榜單內模型數隨版本變化),目前無法統一。本頁與專題頁一律寫「前三」,第一名 Fable 5.2(65)無爭議。等 AA 模型頁或官方說明統一口徑後,本站更新。
AA-3D(文字簡報轉 3D,人類盲評):Astra 1318 Elo 第一,Fable 5.2 1271 第二——這是 Astra 對 Fable 的一次直接反超。AA-AnalystAgent:62.5%。Agents' Last Exam v1.1:約 78%、約 $3/任務(AA X 帖口徑,經 aiweekly 轉述)。三項裏 AA-3D 的反超最值得記:Astra 在 3D 生成的盲評裏壓過榜首。
metarix 指出:Astra 在 AA 指數任務上生成 65.8M token,多於 GPT-6 Astra 的 54.3M——每任務成本從 $6.24 降到 $4.00,來自費率降低($8/$40 對 $10/$50),而非 token 更少。換句話說,Astra 更強也更便宜,但它說話更多。預算要按每任務成本算,不要只看單價。
OpenAI 官方發佈頁自報兩項:Sol 在 Cognition FrontierCode 2.0 上距 Astra 僅 0.5 分,成本約其 1/5;Astra 在 Agents' Last Exam 上領先 Fable 5.2 5.5 分,成本爲其 5%(Fable 約 $60/任務,aiweekly 口徑)。兩項均爲廠商口徑,對手分數爲 OpenAI 同場重跑而非各家公佈值,尚未有獨立復現。引用時必須標註「廠商自報」,不要當作獨立測量寫進對比表。
截至 11 月 18 日,LMArena 與 LiveBench 尚未收錄 GPT-6.2 Astra;TechCrunch / The Verge / Reuters / Bloomberg 等一線英文媒體的報道本輪未確認;中文一線科技媒體的系統報道也在等。HealthAdminBench(Stanford 開發的醫療行政任務)上 Astra 94.3%、Luna 91.8%,是應用故事而非核心基準,樣本與方法細節尚未公開。
參考來源:Artificial Analysis — GPT-6.2 Astra 模型頁 · OpenAI — GPT-6.2 Astra 模型頁(本文爲本站改寫與整理,事實以官方來源與 Artificial Analysis 爲準)