BenchLeader

Claude Opus 5 vs GPT-6 Astra

完整资料:Claude Opus 5(Anthropic)和 GPT-6 Astra(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 14 个来源

截至 2026年11月16日,Claude Opus 5 与 GPT-6 Astra 的质量不相上下(BenchLeader Index 65.0 比 67.3,在 ±3.4 的误差范围内)。Claude Opus 5 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $10.00 比 $20.00)。看重人类偏好(68 比 66)和多模态(67 比 66)选 Claude Opus 5;看重知识(72 比 65)、推理(72 比 66)和编程(73 比 67)选 GPT-6 Astra。Claude Opus 5 的首次回答更快(48.5 秒 比 198.4 秒)。Claude Opus 5 的输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 5 的 BenchLeader Index 为 65.0,GPT-6 Astra 为 67.3(BenchLeader,2026年11月16日)。
  • Claude Opus 5 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • GPT-6 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月16日)。
  • Claude Opus 5 比 GPT-6 Astra 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 86 项基准测试中,GPT-6 Astra 领先 56 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5 的评分为 1691,GPT-6 Astra 为 1764(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程GPT-6 Astra类别得分 73 比 67;Arena WebDev 1764 比 1691中
智能体与工具调用均可类别得分 64 比 64;Terminal-Bench 52.1% 比 60.3%均可
数学GPT-6 Astra类别得分 71 比 70;FrontierMath Tiers 1–3 93.7% 比 85.6%中
推理GPT-6 Astra类别得分 72 比 66;GPQA Diamond 95.8% 比 93.9%中
知识GPT-6 Astra类别得分 72 比 65;SimpleQA Verified 75.6% 比 59.9%中
长文档均可类别得分 64 比 65;AA-LCR v1.1 79.3% 比 80.7%均可
图像及其他媒体Claude Opus 5类别得分 67 比 66;MMMU-Pro 84.7% 比 86.9%中
对话质量(人类偏好)Claude Opus 5Arena 投票 68 比 66中
成本最低Claude Opus 5每百万 token 混合价格 $10.00 比 $20.00;智能体编程会话 $0.400 比 $0.800–
首次回答最快Claude Opus 5首个回答 token 48.5 秒(Claude Opus 5 (max))比 198.4 秒(GPT-6 Astra (max))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Claude Opus 5 (max) 与 GPT-6 Astra (max) 的质量不相上下(65.0 比 67.3,在 ±3.4 的误差范围内)。
  • Claude Opus 5 (max) 在人类偏好、多模态方面更强。
  • GPT-6 Astra (max) 在智能体与工具、编程、知识、长上下文、数学、推理方面更强。
  • Claude Opus 5 (max) 更便宜,对方的价格是它的 2.0 倍(每百万 token 混合价格 $10.00 比 $20.00)。
  • Claude Opus 5 (max) 的输出速度是对方的 1.9 倍(80 比 41 token/秒)。

概览

规格Claude Opus 5GPT-6 Astra
提供商AnthropicOpenAI
发布日期2026年7月24日2026年9月2日
上下文窗口(token)1,000,0001,050,000
对比时的配置Claude Opus 5 (max)GPT-6 Astra (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$10.00 / $50.00 / $1.00

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Opus 5 (max)GPT-6 Astra (max)领先者
推理66.172.4GPT-6 Astra
编程67.073.2GPT-6 Astra
智能体与工具63.863.9持平
数学69.870.8GPT-6 Astra
知识65.272.3GPT-6 Astra
人类偏好68.166.2Claude Opus 5
多模态67.265.6Claude Opus 5
长上下文64.365.0持平
综合–71.3无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具数学知识长上下文多模态人类偏好Claude Opus 5, 推理: 66.1Claude Opus 5, 编程: 67.0Claude Opus 5, 智能体与工具: 63.8Claude Opus 5, 数学: 69.8Claude Opus 5, 知识: 65.2Claude Opus 5, 长上下文: 64.3Claude Opus 5, 多模态: 67.2Claude Opus 5, 人类偏好: 68.1GPT-6 Astra, 推理: 72.4GPT-6 Astra, 编程: 73.2GPT-6 Astra, 智能体与工具: 63.9GPT-6 Astra, 数学: 70.8GPT-6 Astra, 知识: 72.3GPT-6 Astra, 长上下文: 65.0GPT-6 Astra, 多模态: 65.6GPT-6 Astra, 人类偏好: 66.2

未绘制(测得的模型少于两个):指令遵循。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 86 项基准测试中,Claude Opus 5 领先 28 项,GPT-6 Astra 领先 56 项,2 项持平。第三方来源看法不一:Claude Opus 5 在 Arena Text 上领先;GPT-6 Astra 在 AA Intelligence Index v5.0.1 上领先。

综合 IndexClaude Opus 5 (max)GPT-6 Astra (max)领先者
BenchLeader Index65.067.3不相上下
AA Intelligence Index v5.0.144.256.9GPT-6 Astra
Arena Text14891474Claude Opus 5

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Opus 5 (max)GPT-6 Astra (max)
每百万 token 混合价格$10.00$20.00
每百万 token 输入 / 输出$5.00 / $25.00$10.00 / $50.00
每百万 token 缓存输入$0.500$1.00
每项任务价格:聊天回复$0.0095$0.019
每项任务价格:总结一份 30 页的报告$0.075$0.150
每项任务价格:代码编辑$0.068$0.135
每项任务价格:智能体编程会话$0.400$0.800
每项任务价格:结构化信息提取$0.015$0.030
智能体编程会话(输入大多命中缓存)$0.198$0.395
每项基准测试任务成本(AA Index)$11.82$6.24
每项任务输出 token(AA Index)118k52k
其中推理部分73k36k
每项任务耗时(AA Index)25 min21 min
输出速度80 tok/s41 tok/s
首次回答时间48.5 秒198.4 秒
完整回答耗时(最近一次测量 2026年11月13日)191.6 秒533.7 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Claude Opus 5 (max) 上花费 $11.82,在 GPT-6 Astra (max) 上花费 $6.24;完成同样的工作,Claude Opus 5 (max) 输出的 token 是对方的 2.3 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 5 (max) 得分 65.0,首个回答 token 需 49 秒;Claude Opus 5 (high) 为 64.4(17 秒),Claude Opus 5 为 63.2(2 秒)。GPT-6 Astra (max) 得分 67.3,首个回答 token 需 198 秒;GPT-6 Astra 为 66.4(5 秒),GPT-6 Astra (high) 为 66.3(49 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 190 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Opus 5 (max)GPT-6 Astra (max)
BenchLeader IndexBenchLeader65.067.3
智能体与工具得分BenchLeader63.863.9
编程得分BenchLeader67.073.2
人类偏好得分BenchLeader68.166.2
知识得分BenchLeader65.272.3
长上下文得分BenchLeader64.365.0
数学得分BenchLeader69.870.8
多模态得分BenchLeader67.265.6
推理得分BenchLeader66.172.4
综合得分BenchLeader–71.3
混合价格(美元/百万 token)BenchLeader$10.00$20.00
输出速度BenchLeader80 tok/s41 tok/s
首次回答时间BenchLeader48.5 秒198.4 秒
上下文窗口BenchLeader1,000,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%95.8%
Humanity's Last ExamScale AI / CAIS–54.8%†
SimpleBenchSimpleBench80.6%†83.6%†
Arena Hard PromptsArena (LMArena)15131500
LiveBench 2.0 ReasoningLiveBench–92.7%
LiveBench 1.0 ReasoningLiveBench91.2%92.7%
GPQA Diamond (AA)Artificial Analysis93.2%96.1%
Humanity's Last Exam (AA)Artificial Analysis54.9%54.7%
HLE-Diamond (AA)Artificial Analysis44.8%63.8%
GPQA Diamond (Vals)Vals AI93.4%†–
ARC-AGI-1ARC Prize97.5%97.5%
ARC-AGI-2ARC Prize90.4%95.0%
ARC-AGI-3ARC Prize30.2%†98.6%
CritPtArtificial Analysis29.1%31.7%
CritPt v2 hard subset (AA)Artificial Analysis50.0%70.5%
MysteryMechanismVals AI37.4%53.1%
HLE-Diamond (Scale)Scale AI SEAL38.6%†60.6%†
Arena ExpertArena (LMArena)15301517
Chess PuzzlesEpoch AI Benchmarking Hub43.0%74.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%84.0%
LMCAEpoch AI Benchmarking Hub63.3%64.1%†
DTBenchEpoch AI Benchmarking Hub97.6%97.1%†
ForecastBenchForecastBench66.6%66.6%†
BTF-3Epoch AI Benchmarking Hub12.0%†13.5%†
编程
SciCodeSciCode56.4%56.5%
显示全部 190 项基准测试
指标发布方Claude Opus 5 (max)GPT-6 Astra (max)
编程
WeirdMLWeirdML91.8%93.3%
FrontierCodeCognition53.4%53.3%
GSO-BenchGSO-Bench–79.4%†
Arena CodingArena (LMArena)15281548
Arena WebDevArena (LMArena)16911764
LiveBench 2.0 CodingLiveBench–87.5%
LiveBench 1.0 CodingLiveBench81.5%80.4%
LiveCodeBenchVals AI89.0%–
IOIVals AI84.3%100.0%
SWE-bench (Vals)Vals AI97.0%†–
Code MigrationVals AI57.5%67.7%
Code Migration v1.1Vals AI–80.6%
ProgramBenchVals AI3.0%5.5%
SWE-bench MultimodalVals AI–43.3%
Vibe Code Bench 1-100Vals AI28.5%27.6%
Vibe Code Bench v1.1Vals AI88.4%†89.6%
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†59.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL–59.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†50.7%†
SWE Atlas v1.1Scale AI SEAL–69.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL–66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL–71.4%†
SWE-Bench Pro V2Scale AI SEAL99.4%†96.9%†
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†90.2%†
MirrorCodeEpoch AI Benchmarking Hub87.8%60.0%
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%73.2%
CursorBenchCursor46.6%–
ALE-BenchEpoch AI Benchmarking Hub2164.6†2951.3
FrontierSWEEpoch AI Benchmarking Hub52.0%65.5%
WeirdML v3WeirdML19.0%†42.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%59.1%
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%88.4%
Startrise FrontendStartrise82.3%†79.9%†
GameBench 2 OverallDuelLab GameBench 276.5†88.8†
GameBench 2 by reasoning settingDuelLab GameBench 284.8†94.3†
Design Arena WebsiteDesign Arena1304†1338
FrontierCode 1.1 (AA)Artificial Analysis–47.0%
FrontierCode 2.0 (AA)Artificial Analysis31.1%42.4%
智能体与工具
Terminal-BenchTerminal-Bench52.1%60.3%
OSWorld-Verified 2.0OSWorld31.4%–
Remote Labor IndexScale AI / CAIS–20.8%†
APEX-AgentsMercor65.8%64.7%†
Arena AgentArena (LMArena)7.214.5
LiveBench Long AgenticLiveBench–75.6%
LiveBench BrowserLiveBench–91.3%
LiveBench Agentic CodingLiveBench65.2%57.3%
Terminal-Bench 2.1 (Vals)Vals AI84.6%†87.3%
MCP AtlasScale AI SEAL85.8%†–
HiL-BenchScale AI SEAL57.0%†65.3%†
τ³-bench Bankingτ²-bench48.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–53.7%
GDPval-AA v2.1Artificial Analysis17291587
τ³-Banking (AA)Artificial Analysis42.1%41.4%
ITBench SRE (AA)Artificial Analysis–48.6%
Analyst Agent (AA)Artificial Analysis53.8%51.3%
CUA-benchVals AI9.0%19.2%
CyberBenchVals AI65.4%41.1%
Finance Agent v2Vals AI58.6%53.5%
Finance Agent v2.1Vals AI–60.4%
Harvey's Legal Agent Benchmark v1.1Vals AI–7.1%
Harvey's Legal Agent Benchmark v1Vals AI6.7%5.4%
Legal Research BenchVals AI55.3%39.4%
Robo-benchVals AI–23.3%
SkillsBenchVals AI60.4%–
SREBenchVals AI12.2%56.9%
Tax Agent BenchVals AI47.1%20.7%
Terminal-Bench 4.0 (Vals)Vals AI53.5%59.6%
Terminal-Bench ScienceVals AI27.1%62.9%
Time Horizon Index: KSPVals AI18.8%90.5%
Arena SearchArena (LMArena)1213†1245
Arena Agent Task CompletionArena (LMArena)10.214
BALROGBALROG63.4%68.3%
PostTrainBenchEpoch AI Benchmarking Hub35.7%†41.9%
GBAEvalEpoch AI Benchmarking Hub79.6%†–
Vending-Bench 2Andon Labs11181.9†15514.7†
SpireClimbEpoch AI Benchmarking Hub–34.0%
AutomationBenchArtificial Analysis56.6%68.5%
GDP.pdf (AA)Artificial Analysis21.6%31.0%
Harvey LAB-AA v1.1Harvey–8.6%
EnterpriseOps-GymArtificial Analysis47.5%–
AA-Briefcase v1.1Artificial Analysis16541569
GDPxGDPx by SemiAnalysis–9.6%
Design Arena AgenticDesign Arena1270†1405
RoboDojo (LLM as robot policy)RoboDojo–29.0†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%63.3%
CWE-Bench (AA)Artificial Analysis–63.3%
DeepSec-Bench (AA)Artificial Analysis25.9%36.9%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis–50.2%
FACTS SearchGoogle–93.3%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%97.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%100.0%
ProofBenchVals AI99.0%99.0%†
LiveBench MathematicsLiveBench95.7%96.8%
Arena MathsArena (LMArena)15151481
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%75.6%
LiveBench 2.0 Data AnalysisLiveBench–83.0%
LiveBench ResearchLiveBench–90.6%
LiveBench 1.0 Data AnalysisLiveBench74.5%83.0%
AA-Omniscience v1.1Artificial Analysis37.642.4
MMLU-ProVals AI91.6%–
LegalBenchVals AI87.0%–
CorpFinVals AI73.2%†–
TaxEvalVals AI75.1%†–
PRBench FinanceScale AI SEAL–47.5%†
PRBench LegalScale AI SEAL–48.4%†
BioMysteryBenchVals AI79.3%79.3%
Excel Modeling BenchmarkVals AI73.6%71.7%
Excel Modeling Benchmark v1.1Vals AI–72.7%
MedCodeVals AI63.6%48.5%
MedScribeVals AI91.0%87.9%
Public Benefits Bench v1.1Vals AI76.9%–
Financial Coaching BenchVals AI–67.5%
Immigration BenchVals AI–67.7%
DrugDiscoveryBenchScale AI SEAL53.7%68.7%
EBR-benchEpoch AI Benchmarking Hub45.7%76.2%
GDP.pdfEpoch AI Benchmarking Hub24.0%34.2%
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%50.2%
HealthBench Professional (AA)OpenAI–66.0%
FACTS ParametricGoogle48.8%†83.8%†
指令遵循
LiveBench LanguageLiveBench88.7%89.4%
LiveBench Instruction FollowingLiveBench63.8%75.6%
Arena Instruction FollowingArena (LMArena)14941474
人类偏好
Arena TextArena (LMArena)14891474
EQ-Bench 4EQ-Bench1365†–
EQ-Bench Creative Writing v3EQ-Bench2135†2177†
Arena Creative WritingArena (LMArena)14731451
Arena Multi-turnArena (LMArena)14861483
Arena Longer QueriesArena (LMArena)15021485
多模态
Arena VisionArena (LMArena)1318†1279
LiveBench DesignLiveBench–80.0%
MMMU-ProArtificial Analysis84.7%86.9%
MMMU-Pro (Vals)Vals AI89.9%–
MortgageTaxVals AI72.1%†–
Humanity's Sixth SenseScale AI SEAL30.5%53.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†49.7%†
Furniture AssemblyEpoch AI Benchmarking Hub60.8%80.0%
VIALS-AAHandshake AI–62.7%
Code2Video-AAArtificial Analysis–1427
AA-3DArtificial Analysis–1168
FACTS MultimodalGoogle–55.2%†
长上下文
AA-LCR v1.1Artificial Analysis79.3%80.7%
Arena DocumentArena (LMArena)1486†1474
MLCRArtificial Analysis11.1%41.7%
FACTS GroundingGoogle–80.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†169†
LiveBench 2.0LiveBench–84.5%
LiveBench 1.0LiveBench80.1%82.2%
AA Intelligence Index v5.0.1Artificial Analysis44.256.9
AA Intelligence Index v4.3.2Artificial Analysis50.852.7
AA Progress Index v1Artificial Analysis333.7349.6
Vals IndexVals AI–65.0
Vals Finance IndexVals AI–55.6%
Vals RSI IndexVals AI33.0%27.1%
Vals Science IndexVals AI47.9%65.1%
Vals Multimodal IndexVals AI73.9%†–
Vals Router IndexVals AI–65.0%†
Vals Legal IndexVals AI–68.4%
AA Cyber IndexArtificial Analysis–33.4
安全与诚实
FORTRESSScale AI SEAL16.8%†12.1%†
DistressBenchScale AI SEAL70.2%†74.3%†

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Claude Opus 5 (max):25 项新结果(LiveCodeBench, MMLU-Pro, IOI…)。
  • GPT-6 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Opus 5 (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-6 Astra (max):1 项分数修订。
  • GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
  • GPT-6 Astra (max):2 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 5 vs GPT-6 Astra:常见问题

Claude Opus 5 比 GPT-6 Astra 更好吗?
Claude Opus 5 (max) 与 GPT-6 Astra (max) 的质量不相上下(65.0 比 67.3,在 ±3.4 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Opus 5 和 GPT-6 Astra 哪个更便宜?价格会变吗?
目前 Claude Opus 5 更便宜:每百万 token $10.00 比 $20.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Opus 5 还是 GPT-6 Astra 更好?
GPT-6 Astra 在编程方面得分更高(类别得分 73 比 67,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 5 为 1691,GPT-6 Astra 为 1764。
Claude Opus 5 和 GPT-6 Astra 哪个更快?
Claude Opus 5 输出更快(约 2 倍;输出 80 比 41 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5 还是 GPT-6 Astra 更好?
两者在智能体任务方面持平(类别得分 64 比 64)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Opus 5 为 52.1%,GPT-6 Astra 为 60.3%。
更多问题(4)
处理长文档哪个更好?
两者在长上下文基准测试上持平(64 比 65)。两者都约为 1.1M token(Claude Opus 5 为 1,000,000,GPT-6 Astra 为 1,050,000)。
哪个延迟更低?
Claude Opus 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 48.5 秒比 198.4 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Opus 5 和 GPT-6 Astra 的看法一致吗?
在两者都有结果的 86 项基准测试中,Claude Opus 5 领先 28 项,GPT-6 Astra 领先 56 项,2 项持平。第三方来源看法不一:Claude Opus 5 在 Arena Text 上领先;GPT-6 Astra 在 AA Intelligence Index v5.0.1 上领先。
GPT-6 Astra 是什么时候发布的?
GPT-6 Astra 于 2026年9月2日 发布。