BenchLeader

GPT-5.4 Pro vs GPT-6.2 Astra

完整资料:GPT-5.4 Pro(OpenAI)和 GPT-6.2 Astra(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 11 个来源

截至 2026年11月19日,质量上 GPT-6.2 Astra 领先 GPT-5.4 Pro(BenchLeader Index 68.9 比 62.9)。GPT-6.2 Astra 更便宜,对方的价格是它的 4.2 倍(每百万 token 混合价格 $16.00 比 $67.50)。在两者都有成绩的所有类别中,GPT-6.2 Astra 均领先。GPT-6.2 Astra 输出更快(3 倍以上)。

要点(截至 2026年11月19日)

  • GPT-5.4 Pro 的 BenchLeader Index 为 62.9,GPT-6.2 Astra 为 68.9(BenchLeader,2026年11月19日)。
  • GPT-5.4 Pro 每百万 token 混合价格为 $67.50(标价,2026年11月19日)。
  • GPT-6.2 Astra 每百万 token 混合价格为 $16.00(标价,2026年11月19日)。
  • GPT-6.2 Astra 比 GPT-5.4 Pro 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月19日)。

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
推理GPT-6.2 Astra类别得分 73 比 70中
知识均可类别得分 74 比 74均可
图像及其他媒体GPT-6.2 Astra类别得分 72 比 70中
成本最低GPT-6.2 Astra每百万 token 混合价格 $16.00 比 $67.50;智能体编程会话 $0.640 比 $2.52–
首次回答最快GPT-5.4 Pro首个回答 token 8.4 秒(GPT-5.4 Pro)比 202.7 秒(GPT-6.2 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

  • 质量上 GPT-6.2 Astra (max) 领先:68.9 比 62.9。
  • GPT-6.2 Astra (max) 在知识、多模态、推理方面更强。
  • GPT-6.2 Astra (max) 更便宜,对方的价格是它的 4.2 倍(每百万 token 混合价格 $16.00 比 $67.50)。
  • GPT-6.2 Astra (max) 的输出速度是对方的 7.2 倍(49 比 7 token/秒)。

概览

规格GPT-5.4 ProGPT-6.2 Astra
提供商OpenAIOpenAI
发布日期2026年3月4日2026年11月17日
上下文窗口(token)1,050,0001,050,000
对比时的配置GPT-5.4 ProGPT-6.2 Astra (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$30.00 / $180.00 / –$8.00 / $40.00 / $0.400

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GPT-5.4 ProGPT-6.2 Astra (max)领先者
推理70.273.1GPT-6.2 Astra
编程–76.1无法比较
智能体与工具–66.4无法比较
数学–72.5无法比较
知识74.074.2持平
指令遵循63.3–无法比较
多模态69.871.7GPT-6.2 Astra
综合–69.5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推理知识多模态GPT-5.4 Pro, 推理: 70.2GPT-5.4 Pro, 知识: 74.0GPT-5.4 Pro, 多模态: 69.8GPT-6.2 Astra, 推理: 73.1GPT-6.2 Astra, 知识: 74.2GPT-6.2 Astra, 多模态: 71.7

未绘制(测得的模型少于两个):编程, 智能体与工具, 数学, 指令遵循, 长上下文, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 0 项基准测试中,GPT-5.4 Pro 领先 0 项,GPT-6.2 Astra 领先 0 项。所有同时评测两者的综合评分都认为 GPT-6.2 Astra 更强。

综合 IndexGPT-5.4 ProGPT-6.2 Astra (max)领先者
BenchLeader Index62.968.9GPT-6.2 Astra

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GPT-5.4 ProGPT-6.2 Astra (max)
每百万 token 混合价格$67.50$16.00
每百万 token 输入 / 输出$30.00 / $180.00$8.00 / $40.00
每百万 token 缓存输入–$0.400
每项任务价格:聊天回复$0.066$0.015
每项任务价格:总结一份 30 页的报告$0.468$0.120
每项任务价格:代码编辑$0.450$0.108
每项任务价格:智能体编程会话$2.52$0.640
每项任务价格:结构化信息提取$0.096$0.024
智能体编程会话(输入大多命中缓存)–$0.298
每项基准测试任务成本(AA Index)–$4.00
每项任务输出 token(AA Index)–41k
其中推理部分–26k
每项任务耗时(AA Index)–14 min
输出速度7 tok/s49 tok/s
首次回答时间8.4 秒202.7 秒

每个模型都按其排名最高的推理强度设置进行对比。GPT-5.4 Pro 得分 62.9,首个回答 token 需 8 秒;GPT-5.4 Pro (xhigh) 为 59.1(8 秒)。GPT-6.2 Astra (max) 得分 68.9,首个回答 token 需 203 秒;GPT-6.2 Astra (xhigh) 为 67.1(67 秒),GPT-6.2 Astra (medium) 为 65.6(4 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 91 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GPT-5.4 ProGPT-6.2 Astra (max)
BenchLeader IndexBenchLeader62.968.9
指令遵循得分BenchLeader63.3–
知识得分BenchLeader74.074.2
多模态得分BenchLeader69.871.7
推理得分BenchLeader70.273.1
智能体与工具得分BenchLeader–66.4
编程得分BenchLeader–76.1
综合得分BenchLeader–69.5
数学得分BenchLeader–72.5
混合价格(美元/百万 token)BenchLeader$67.50$16.00
输出速度BenchLeader7 tok/s49 tok/s
首次回答时间BenchLeader8.4 秒202.7 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub94.6%†96.8%
Humanity's Last ExamScale AI / CAIS44.3%–
SimpleBenchSimpleBench74.1%–
LiveBench 2.0 ReasoningLiveBench–91.6%
HLE-Diamond (AA)Artificial Analysis–72.2%
ARC-AGI-1ARC Prize94.5%†98.5%
ARC-AGI-2ARC Prize83.3%†95.8%
ARC-AGI-3ARC Prize–99.8%
CritPtArtificial Analysis30.0%†–
CritPt v2 hard subset (AA)Artificial Analysis–71.5%
MysteryMechanismVals AI–53.1%
HLE-Diamond (Scale)Scale AI SEAL–66.9%†
Chess PuzzlesEpoch AI Benchmarking Hub59.0%†78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub–95.0%
编程
WeirdMLWeirdML57.4%†–
Arena WebDevArena (LMArena)–1781
LiveBench 2.0 CodingLiveBench–91.9%
Vibe Code Bench v1.1Vals AI–89.9%
Vibe Code Bench 1-100 v1.1Vals AI–55.2%
SWE Atlas v1.1Scale AI SEAL–60.5%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–67.7%†
SWE Atlas v1.1: Test WritingScale AI SEAL–62.2%†
SWE Atlas v1.1: RefactoringScale AI SEAL–51.4%†
MirrorCodeEpoch AI Benchmarking Hub–67.8%
Terminal-Bench 4.0 (AA)Artificial Analysis–64.1%
显示全部 91 项基准测试
指标发布方GPT-5.4 ProGPT-6.2 Astra (max)
编程
Design Arena WebsiteDesign Arena–1339†
FrontierCode 2.0 (AA)Artificial Analysis–45.4%
智能体与工具
Terminal-BenchTerminal-Bench–62.1%
Arena AgentArena (LMArena)–15.2
LiveBench Long AgenticLiveBench–70.8%
LiveBench BrowserLiveBench–93.0%
Analyst Agent (AA)Artificial Analysis–62.5%
Finance Agent v2.1Vals AI–60.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–16.3%
Legal Research BenchVals AI–42.8%
Robo-benchVals AI–32.7%
Tax Agent BenchVals AI–21.8%
Terminal-Bench 4.0 (Vals)Vals AI–63.1%
Terminal-Bench ScienceVals AI–71.4%
Arena Agent Task CompletionArena (LMArena)–12.4
SpireClimbEpoch AI Benchmarking Hub–41.3%
AutomationBenchArtificial Analysis–77.3%
GDP.pdf (AA)Artificial Analysis–29.8%
Harvey LAB-AA v1.1Harvey–15.0%
EnterpriseOps-GymArtificial Analysis–29.9%
AA-Briefcase v1.1Artificial Analysis–1643
Design Arena AgenticDesign Arena–1304
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–78.1%
CWE-Bench (AA)Artificial Analysis–65.0%
DeepSec-Bench (AA)Artificial Analysis–46.8%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis–52.7%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub82.5%†92.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub58.5%†100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub–100.0%
MathArena ApexMathArena69.8%†–
Autoform-HardVals AI–87.5%
FrontierMath ErdősEpoch AI Benchmarking Hub–10.3%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub46.3%†78.5%
LiveBench 2.0 Data AnalysisLiveBench–84.1%
LiveBench ResearchLiveBench–91.5%
AA-Omniscience v1.1Artificial Analysis–50
PRBench LegalScale AI SEAL–43.1%†
MultiNRCScale AI SEAL62.3%–
BioMysteryBenchVals AI–80.7%
Excel Modeling Benchmark v1.1Vals AI–76.0%
DrugDiscoveryBenchScale AI SEAL–65.5%†
EBR-benchEpoch AI Benchmarking Hub–92.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–68.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–40.9%
指令遵循
MultiChallengeScale AI SEAL69.2%73.2%†
TutorBenchScale AI SEAL56.6%–
多模态
LiveBench DesignLiveBench–82.8%
MMMU-ProArtificial Analysis–89.5%
VISTAScale AI SEAL53.9%–
Humanity's Sixth SenseScale AI SEAL–63.2%†
Furniture AssemblyEpoch AI Benchmarking Hub–89.2%
VIALS-AAHandshake AI–65.8%
AA-3DArtificial Analysis–1318
长上下文
MLCRArtificial Analysis–39.4%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.3174.2†
LiveBench 2.0LiveBench–84.9%
AA Intelligence Index v5.0.1Artificial Analysis–62.1
Vals IndexVals AI–67.7
Vals Finance IndexVals AI–57.3%
Vals RSI IndexVals AI–29.0%
Vals Science IndexVals AI–68.4%
Vals Legal IndexVals AI–69.7%
AA Cyber IndexArtificial Analysis–37.3
安全与诚实
FORTRESSScale AI SEAL14.8%–
MASKScale AI SEAL91.7%–

数据截至 2026年11月19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。

变化

  • GPT-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
  • GPT-6.2 Astra (max):6 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
  • GPT-6.2 Astra (max):2 项新结果(MKA (AA), Terminal-Bench)。
  • GPT-5.4 Pro:BenchLeader Index 63.6 → 63.1。
  • GPT-5.4 Pro:1 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

GPT-5.4 Pro vs GPT-6.2 Astra:常见问题

GPT-6.2 Astra 比 GPT-5.4 Pro 更好吗?
质量上 GPT-6.2 Astra (max) 领先:68.9 比 62.9。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,GPT-6.2 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-5.4 Pro 和 GPT-6.2 Astra 哪个更便宜?价格会变吗?
目前 GPT-6.2 Astra 更便宜:每百万 token $16.00 比 $67.50(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。
GPT-5.4 Pro 和 GPT-6.2 Astra 哪个更快?
GPT-6.2 Astra 输出更快(3 倍以上;输出 49 比 7 token/秒,Artificial Analysis 7 日中位数)。
处理长文档哪个更好?
两者都支持 1,050,000 token 的上下文。
哪个延迟更低?
GPT-5.4 Pro 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 8.4 秒比 202.7 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
更多问题(1)
GPT-6.2 Astra 是什么时候发布的?
GPT-6.2 Astra 于 2026年11月17日 发布。