发布仅一天,GPT-6.2 Astra 的基准全景还很单薄:独立标尺目前只有 Artificial Analysis 一家,OpenAI 自报的两项领先尚未独立复现。本文盘点全部可核查分数,先讲 62 分由什么构成,再讲排名为什么有两个说法,最后讲哪些数字只能当厂商口径引用。
Artificial Analysis 智能指数 v5.0.1(Max 档):Astra 62 分,91 个模型前三;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 测得每指数任务 $4.00、11.5 分钟、生成 65.8M token。横向看:Fable 5.2 每任务 $26.54、GPT-6 Astra $6.24、Sol $1.01。Astra 是榜单前列里每任务最便宜的旗舰之一。
AA 官方 X 帖称 Astra 为「榜单第二」(#2 model in the Index),本站 11 月 18 日 AI 简报称 91 个模型中第三。两种口径可能来自不同档位、不同版本或不同统计口径(榜单内模型数随版本变化),目前无法统一。本页与专题页一律写「前三」,第一名 Fable 5.2(65)无争议。等 AA 模型页或官方说明统一口径后,本站更新。
AA-3D(文字简报转 3D,人类盲评):Astra 1318 Elo 第一,Fable 5.2 1271 第二——这是 Astra 对 Fable 的一次直接反超。AA-AnalystAgent:62.5%。Agents' Last Exam v1.1:约 78%、约 $3/任务(AA X 帖口径,经 aiweekly 转述)。三项里 AA-3D 的反超最值得记:Astra 在 3D 生成的盲评里压过榜首。
metarix 指出:Astra 在 AA 指数任务上生成 65.8M token,多于 GPT-6 Astra 的 54.3M——每任务成本从 $6.24 降到 $4.00,来自费率降低($8/$40 对 $10/$50),而非 token 更少。换句话说,Astra 更强也更便宜,但它说话更多。预算要按每任务成本算,不要只看单价。
OpenAI 官方发布页自报两项:Sol 在 Cognition FrontierCode 2.0 上距 Astra 仅 0.5 分,成本约其 1/5;Astra 在 Agents' Last Exam 上领先 Fable 5.2 5.5 分,成本为其 5%(Fable 约 $60/任务,aiweekly 口径)。两项均为厂商口径,对手分数为 OpenAI 同场重跑而非各家公布值,尚未有独立复现。引用时必须标注「厂商自报」,不要当作独立测量写进对比表。
截至 11 月 18 日,LMArena 与 LiveBench 尚未收录 GPT-6.2 Astra;TechCrunch / The Verge / Reuters / Bloomberg 等一线英文媒体的报道本轮未确认;中文一线科技媒体的系统报道也在等。HealthAdminBench(Stanford 开发的医疗行政任务)上 Astra 94.3%、Luna 91.8%,是应用故事而非核心基准,样本与方法细节尚未公开。
参考来源:Artificial Analysis — GPT-6.2 Astra 模型页 · OpenAI — GPT-6.2 Astra 模型页(本文为本站改写与整理,事实以官方来源与 Artificial Analysis 为准)