BenchLeader

GPT-5.5 vs GPT-6.2 Astra

完整资料:GPT-5.5(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 14 个来源

截至 2026年11月19日,质量上 GPT-6.2 Astra 领先 GPT-5.5(BenchLeader Index 68.9 比 63.9)。不过,GPT-5.5 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $11.25 比 $16.00)。在两者都有成绩的所有类别中,GPT-6.2 Astra 均领先。GPT-5.5 输出更快(约 1.5 倍)。

要点(截至 2026年11月19日)

  • GPT-5.5 的 BenchLeader Index 为 63.9,GPT-6.2 Astra 为 68.9(BenchLeader,2026年11月19日)。
  • GPT-5.5 每百万 token 混合价格为 $11.25(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-5.5 比 GPT-6.2 Astra 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 24 项基准测试中,GPT-6.2 Astra 领先 23 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,GPT-5.5 的评分为 1513,GPT-6.2 Astra 为 1781(LMArena,截至 2026年11月19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-6.2 Astra类别得分 76 比 61;Arena WebDev 1781 比 1513高
智能体与工具调用GPT-6.2 Astra类别得分 66 比 62;Analyst Agent (AA) 62.5% 比 50.0%中
数学GPT-6.2 Astra类别得分 73 比 69;FrontierMath Tiers 1–3 92.6% 比 85.3%中
推理GPT-6.2 Astra类别得分 73 比 67;ARC-AGI-2 95.8% 比 85.0%中
知识GPT-6.2 Astra类别得分 74 比 63;SimpleQA Verified 78.5% 比 63.0%高
图像及其他媒体GPT-6.2 Astra类别得分 72 比 62;MMMU-Pro 89.5% 比 79.9%高
成本最低GPT-5.5每百万 token 混合价格 $11.25 比 $16.00;智能体编程会话 $0.420 比 $0.640–
首次回答最快GPT-5.5首个回答 token 32.8 秒(GPT-5.5 (xhigh))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 63.9。
  • GPT-6.2 Astra (max) 在智能体与工具、编程、知识、数学、多模态、推理方面更强。
  • GPT-5.5 (xhigh) 更便宜,对方的价格是它的 1.4 倍(每百万 token 混合价格 $11.25 比 $16.00)。
  • GPT-5.5 (xhigh) 的输出速度是对方的 1.7 倍(83 比 49 token/秒)。

概览

规格GPT-5.5GPT-6.2 Astra
提供商OpenAIOpenAI
发布日期2026年4月23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-5.5 (xhigh)GPT-6.2 Astra (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $30.00 / $0.500$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-5.5 (xhigh)GPT-6.2 Astra (max)领先者
推理67.373.1GPT-6.2 Astra
编程60.576.1GPT-6.2 Astra
智能体与工具61.866.4GPT-6.2 Astra
数学69.172.5GPT-6.2 Astra
知识63.374.2GPT-6.2 Astra
指令遵循74.0–无法比较
多模态61.971.7GPT-6.2 Astra
长上下文66.9–无法比较
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推理编程智能体与工具数学知识多模态GPT-5.5, 推理: 67.3GPT-5.5, 编程: 60.5GPT-5.5, 智能体与工具: 61.8GPT-5.5, 数学: 69.1GPT-5.5, 知识: 63.3GPT-5.5, 多模态: 61.9GPT-6.2 Astra, 推理: 73.1GPT-6.2 Astra, 编程: 76.1GPT-6.2 Astra, 智能体与工具: 66.4GPT-6.2 Astra, 数学: 72.5GPT-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):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 24 项基准测试中,GPT-5.5 领先 1 项,GPT-6.2 Astra 领先 23 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-5.5 (xhigh)GPT-6.2 Astra (max)领先者
BenchLeader Index63.968.9GPT-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-5.5 (xhigh)GPT-6.2 Astra (max)
每百万 token 混合价格$11.25$16.00
每百万 token 输入 / 输出$5.00 / $30.00$8.00 / $40.00
每百万 token 缓存输入$0.500$0.400
每项任务价格:聊天回复$0.011$0.015
每项任务价格:总结一份 30 页的报告$0.078$0.120
每项任务价格:代码编辑$0.075$0.108
每项任务价格:智能体编程会话$0.420$0.640
每项任务价格:结构化信息提取$0.016$0.024
智能体编程会话(输入大多命中缓存)$0.217$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83 tok/s49 tok/s
首次回答时间32.8 秒202.7 秒
完整回答耗时(最近一次测量 2026年11月13日)104.3 秒–

每个模型都按其排名最高的推理强度设置进行对比。GPT-5.5 (xhigh) 得分 63.9,首个回答 token 需 33 秒;GPT-5.5 (high) 为 63.4(13 秒),GPT-5.5 为 60.9(3 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 180 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-5.5 (xhigh)GPT-6.2 Astra (max)
BenchLeader IndexBenchLeader63.968.9
智能体与工具得分BenchLeader61.866.4
编程得分BenchLeader60.576.1
指令遵循得分BenchLeader74.0–
知识得分BenchLeader63.374.2
长上下文得分BenchLeader66.9–
数学得分BenchLeader69.172.5
多模态得分BenchLeader61.971.7
推理得分BenchLeader67.373.1
综合得分BenchLeader–69.5
混合价格(美元/百万 token)BenchLeader$11.25$16.00
输出速度BenchLeader83 tok/s49 tok/s
首次回答时间BenchLeader32.8 秒202.7 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub90.7%†96.8%
SimpleBenchSimpleBench69.0%†–
Arena Hard PromptsArena (LMArena)1499†–
LiveBench 2.0 ReasoningLiveBench–91.6%
LiveBench 1.0 ReasoningLiveBench89.7%–
GPQA Diamond (AA)Artificial Analysis93.5%–
Humanity's Last Exam (AA)Artificial Analysis45.8%–
HLE-Diamond (AA)Artificial Analysis–72.2%
GPQA Diamond (Vals)Vals AI93.2%–
Kagi LLM BenchmarkKagi LLM Benchmark88.8%†–
ARC-AGI-1ARC Prize95.0%98.5%
ARC-AGI-2ARC Prize85.0%95.8%
ARC-AGI-3ARC Prize0.4%†99.8%
CritPtArtificial Analysis27.1%–
CritPt v2 hard subset (AA)Artificial Analysis–71.5%
MysteryMechanismVals AI–53.1%
HLE-Diamond (Scale)Scale AI SEAL–66.9%†
Arena ExpertArena (LMArena)1509†–
Chess PuzzlesEpoch AI Benchmarking Hub63.0%78.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub56.0%95.0%
CL-bench LifeEpoch AI Benchmarking Hub22.2%†–
LMCAEpoch AI Benchmarking Hub54.3%–
DTBenchEpoch AI Benchmarking Hub96.0%–
ForecastBenchForecastBench64.0%†–
BTF-3Epoch AI Benchmarking Hub14.3%†–
显示全部 180 项基准测试
指标发布方GPT-5.5 (xhigh)GPT-6.2 Astra (max)
编程
SciCodeSciCode55.8%–
WeirdMLWeirdML84.9%–
FrontierCodeCognition43.0%†–
GSO-BenchGSO-Bench40.2%–
Arena CodingArena (LMArena)1510†–
Arena WebDevArena (LMArena)15131781
LiveBench 2.0 CodingLiveBench–91.9%
LiveBench 1.0 CodingLiveBench82.2%–
LiveCodeBenchVals AI85.3%–
SWE-bench (Vals)Vals AI82.6%–
Code MigrationVals AI45.2%–
ProgramBenchVals AI0.5%–
Vibe Code Bench v1.1Vals AI69.8%89.9%
Vibe Code Bench 1-100 v1.1Vals AI–55.2%
SWE Atlas v1.0: Codebase QnAScale AI SEAL45.4%–
SWE Atlas v1.0: RefactoringScale AI SEAL44.8%–
SWE Atlas v1.0: Test WritingScale AI SEAL42.6%–
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 Hub23.3%67.8%
Surface Evolver BenchEpoch AI Benchmarking Hub88.1%†–
DeepSWE v1.1Epoch AI Benchmarking Hub67.0%–
ALE-BenchEpoch AI Benchmarking Hub1943.0–
Terminal-Bench 4.0 (AA)Artificial Analysis14.7%64.1%
Terminal-Bench 2.1 (AA)Artificial Analysis84.3%–
GameBench 2 OverallDuelLab GameBench 249.4†–
GameBench 2 by reasoning settingDuelLab GameBench 260.2–
Design Arena WebsiteDesign Arena1250†1339†
FrontierCode 2.0 (AA)Artificial Analysis–45.4%
智能体与工具
Terminal-BenchTerminal-Bench84.7%†62.1%
OSWorld-Verified 2.0OSWorld13.0%–
Remote Labor IndexScale AI / CAIS6.3%†–
APEX-AgentsMercor55.1%†–
Arena AgentArena (LMArena)–15.2
LiveBench Long AgenticLiveBench–70.8%
LiveBench BrowserLiveBench–93.0%
LiveBench Agentic CodingLiveBench54.0%–
Terminal-Bench HardArtificial Analysis60.6%–
τ²-Bench Telecom (AA)Artificial Analysis93.9%–
Terminal-Bench 2.1 (Vals)Vals AI57.3%†–
MCP AtlasScale AI SEAL75.3%–
HiL-BenchScale AI SEAL39.7%†–
τ³-bench Bankingτ²-bench44.6%–
GDPval-AA v2.1Artificial Analysis1357–
τ³-Banking (AA)Artificial Analysis39.0%–
ITBench SRE (AA)Artificial Analysis45.8%–
Analyst Agent (AA)Artificial Analysis50.0%62.5%
APEX-Agents (AA)Artificial Analysis37.7%–
Finance Agent v2Vals AI51.8%–
Finance Agent v2.1Vals AI–60.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–16.3%
Harvey's Legal Agent Benchmark v1Vals AI3.8%–
Legal Research BenchVals AI40.4%42.8%
Robo-benchVals AI–32.7%
SkillsBenchVals AI62.2%–
SREBenchVals AI3.8%–
Tax Agent BenchVals AI21.8%21.8%
Terminal-Bench 2.0 (Vals)Vals AI73.2%†–
Terminal-Bench 4.0 (Vals)Vals AI–63.1%
Terminal-Bench ScienceVals AI–71.4%
Time Horizon Index: KSPVals AI8.3%–
Arena SearchArena (LMArena)1226†–
Arena Agent Task CompletionArena (LMArena)–12.4
DeepResearch BenchDeepResearch Bench54.0%†–
PostTrainBenchEpoch AI Benchmarking Hub23.9%–
ExploitBenchEpoch AI Benchmarking Hub47.4%†–
GBAEvalEpoch AI Benchmarking Hub53.2%†–
Vending-Bench 2Andon Labs7523.8†–
SpireClimbEpoch AI Benchmarking Hub–41.3%
AutomationBenchArtificial Analysis47.3%77.3%
GDP.pdf (AA)Artificial Analysis21.2%29.8%
Harvey LAB-AA v1.1Harvey–15.0%
EnterpriseOps-GymArtificial Analysis46.6%29.9%
AA-Briefcase v1.1Artificial Analysis11351643
Design Arena AgenticDesign Arena1106†1304
RoboDojo (LLM as robot policy)RoboDojo1.1†–
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 Hub85.3%92.6%
FrontierMath Tier 4Epoch AI Benchmarking Hub72.5%100.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub84.4%†100.0%
ProofBenchVals AI50.0%–
LiveBench MathematicsLiveBench95.9%–
AIME 2026MathArena100.0%–
HMMT February 2026MathArena98.5%–
USAMO 2026MathArena98.2%–
MathArena ApexMathArena80.2%–
Autoform-HardVals AI–87.5%
Arena MathsArena (LMArena)1500†–
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%10.3%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub63.0%78.5%
LiveBench 2.0 Data AnalysisLiveBench–84.1%
LiveBench ResearchLiveBench–91.5%
LiveBench 1.0 Data AnalysisLiveBench81.6%–
AA-Omniscience v1.1Artificial Analysis–50
MMLU-ProVals AI88.1%–
LegalBenchVals AI86.5%–
CorpFinVals AI68.4%–
TaxEvalVals AI75.0%–
PRBench LegalScale AI SEAL–43.1%†
BioMysteryBenchVals AI–80.7%
CaseLaw v2Vals AI66.2%–
Excel Modeling BenchmarkVals AI64.5%–
Excel Modeling Benchmark v1.1Vals AI–76.0%
MedCodeVals AI49.1%–
MedScribeVals AI86.9%–
Public Benefits Bench v1.1Vals AI60.9%–
DrugDiscoveryBenchScale AI SEAL51.6%65.5%†
EBR-benchEpoch AI Benchmarking Hub34.3%92.4%
AA-Omniscience v1.1: accuracyArtificial Analysis–68.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–40.9%
指令遵循
LiveBench LanguageLiveBench87.4%–
LiveBench Instruction FollowingLiveBench70.7%–
IFBenchArtificial Analysis75.8%–
MultiChallengeScale AI SEAL–73.2%†
Arena Instruction FollowingArena (LMArena)1475†–
人类偏好
Arena TextArena (LMArena)1476†–
EQ-Bench 4EQ-Bench1295†–
EQ-Bench Creative Writing v3EQ-Bench1845†–
Arena Creative WritingArena (LMArena)1448†–
Arena Multi-turnArena (LMArena)1485†–
Arena Longer QueriesArena (LMArena)1487†–
多模态
Arena VisionArena (LMArena)1296†–
LiveBench DesignLiveBench–82.8%
MMMU-ProArtificial Analysis79.9%89.5%
MMMU-Pro (Vals)Vals AI88.3%–
MortgageTaxVals AI68.8%–
Humanity's Sixth SenseScale AI SEAL–63.2%†
Blueprint-Bench 2Epoch AI Benchmarking Hub36.2%†–
Furniture AssemblyEpoch AI Benchmarking Hub44.2%89.2%
VIALS-AAHandshake AI–65.8%
Code2Video-AAArtificial Analysis1000–
AA-3DArtificial Analysis–1318
长上下文
AA-LCR v1.1Artificial Analysis84.3%–
Arena DocumentArena (LMArena)1479†–
MLCRArtificial Analysis28.9%39.4%
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub160.2†174.2†
LiveBench 2.0LiveBench–84.9%
LiveBench 1.0LiveBench80.2%–
AA Intelligence Index v5.0.1Artificial Analysis–62.1
AA Intelligence Index v4.3.2Artificial Analysis38.4–
AA Progress Index v1Artificial Analysis320–
Vals IndexVals AI–67.7
Vals Finance IndexVals AI–57.3%
Vals RSI IndexVals AI16.5%29.0%
Vals Science IndexVals AI–68.4%
Vals Multimodal IndexVals AI68.1%–
Vals Legal IndexVals AI–69.7%
AA Cyber IndexArtificial Analysis–37.3
安全与诚实
FORTRESSScale AI SEAL16.3%–

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。

DuelLab GameBench 2, release gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

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-5.5 (xhigh):1 项新结果(GDPval-AA v2.1)。
  • GPT-5.5 (xhigh):BenchLeader Index 64.6 → 64.1。
  • GPT-5.5 (xhigh):1 项分数修订。
  • GPT-5.5 (xhigh):1 项新结果(MirrorCode)。
  • GPT-5.5 (xhigh):1 项分数修订。
  • GPT-5.5 (xhigh):1 项新结果(AA Progress Index v1)。

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-5.5 vs GPT-6.2 Astra:常见问题

GPT-6.2 Astra 比 GPT-5.5 更好吗?
质量上 GPT-6.2 Astra (max) 领先:68.9 比 63.9。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-5.5 和 GPT-6.2 Astra 哪个更便宜?价格会变吗?
目前 GPT-5.5 更便宜:每百万 token $11.25 比 $16.00(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 GPT-5.5 还是 GPT-6.2 Astra 更好?
GPT-6.2 Astra 在编程方面得分更高(类别得分 76 比 61,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-5.5 为 1513,GPT-6.2 Astra 为 1781。
GPT-5.5 和 GPT-6.2 Astra 哪个更快?
GPT-5.5 输出更快(约 1.5 倍;输出 83 比 49 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-5.5 还是 GPT-6.2 Astra 更好?
GPT-6.2 Astra 在智能体任务方面得分更高(类别得分 66 比 62,50 为平均水平)。
更多问题(4)
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-5.5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 32.8 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。
第三方基准测试对 GPT-5.5 和 GPT-6.2 Astra 的看法一致吗?
在两者都有结果的 24 项基准测试中,GPT-5.5 领先 1 项,GPT-6.2 Astra 领先 23 项。所有同时评测两者的综合评分都认为 GPT-6.2 Astra 更强。
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。