BenchLeader

GPT-6.2 Astra vs GPT-6 Astra

完整资料:GPT-6.2 Astra(OpenAI)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 13 个来源

截至 2026年11月19日,GPT-6.2 Astra 与 GPT-6 Astra 的质量不相上下(BenchLeader Index 68.9 比 66.9,在 ±2.9 的误差范围内)。GPT-6.2 Astra 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $16.00 比 $20.00)。在两者都有成绩的所有类别中,GPT-6.2 Astra 均领先。

要点(截至 2026年11月19日)

  • GPT-6.2 Astra 的 BenchLeader Index 为 68.9,GPT-6 Astra 为 66.9(BenchLeader,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 Astra 每百万 token 混合价格为 $20.00(标价,2026年11月19日)。
  • 在两者都有结果的 65 项基准测试中,GPT-6.2 Astra 领先 54 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,GPT-6.2 Astra 的评分为 1781,GPT-6 Astra 为 1763(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 72;Arena WebDev 1781 比 1763中
智能体与工具调用均可类别得分 66 比 66;Terminal-Bench 62.1% 比 60.3%均可
数学GPT-6.2 Astra类别得分 73 比 70;FrontierMath Tier 4 100.0% 比 97.6%中
推理GPT-6.2 Astra类别得分 73 比 71;GPQA Diamond 96.8% 比 95.8%中
知识GPT-6.2 Astra类别得分 74 比 71;SimpleQA Verified 78.5% 比 75.6%中
图像及其他媒体GPT-6.2 Astra类别得分 72 比 65;MMMU-Pro 89.5% 比 86.9%中
对话质量(人类偏好)–只有 GPT-6 Astra 有 Arena 评分(类别得分 66)无法比较
成本最低GPT-6.2 Astra每百万 token 混合价格 $16.00 比 $20.00;智能体编程会话 $0.640 比 $0.800–
首次回答最快均可首个回答 token 202.7 秒(GPT-6.2 Astra (max))比 180.8 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

  • GPT-6.2 Astra (max) 与 GPT-6 Astra (max) 的质量不相上下(68.9 比 66.9,在 ±2.9 的误差范围内)。
  • GPT-6.2 Astra (max) 在智能体与工具、编程、综合、知识、数学、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 1.3 倍(每百万 token 混合价格 $16.00 比 $20.00)。

概览

规格GPT-6.2 AstraGPT-6 Astra
提供商OpenAIOpenAI
发布日期2026年11月17日2026年9月2日
上下文窗口(token)1,050,0001,050,000
对比时的配置GPT-6.2 Astra (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)$8.00 / $40.00 / $0.400$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GPT-6.2 Astra (max)GPT-6 Astra (max)领先者
推理73.171.0GPT-6.2 Astra
编程76.172.3GPT-6.2 Astra
智能体与工具66.466.3持平
数学72.570.3GPT-6.2 Astra
知识74.271.1GPT-6.2 Astra
人类偏好–66.4无法比较
多模态71.765.4GPT-6.2 Astra
长上下文–65.0无法比较
综合69.568.8持平

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-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: 71.7GPT-6 Astra, 推理: 71.0GPT-6 Astra, 编程: 72.3GPT-6 Astra, 智能体与工具: 66.3GPT-6 Astra, 数学: 70.3GPT-6 Astra, 知识: 71.1GPT-6 Astra, 多模态: 65.4

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 65 项基准测试中,GPT-6.2 Astra 领先 54 项,GPT-6 Astra 领先 8 项,3 项持平。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-6.2 Astra (max)GPT-6 Astra (max)领先者
BenchLeader Index68.966.9不相上下
AA Intelligence Index v5.0.162.156.9GPT-6.2 Astra
Vals Index67.765.0GPT-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-6.2 Astra (max)GPT-6 Astra (max)
每百万 token 混合价格$16.00$20.00
每百万 token 输入 / 输出$8.00 / $40.00$10.00 / $50.00
每百万 token 缓存输入$0.400$1.00
每项任务价格:聊天回复$0.015$0.019
每项任务价格:总结一份 30 页的报告$0.120$0.150
每项任务价格:代码编辑$0.108$0.135
每项任务价格:智能体编程会话$0.640$0.800
每项任务价格:结构化信息提取$0.024$0.030
智能体编程会话(输入大多命中缓存)$0.298$0.395
每项基准测试任务成本(AA Index)$4.00$6.24
每项任务输出 token(AA Index)41k52k
其中推理部分26k36k
每项任务耗时(AA Index)14 min21 min
输出速度49 tok/s42 tok/s
首次回答时间202.7 秒180.8 秒
完整回答耗时(最近一次测量 2026年11月13日)–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 GPT-6.2 Astra (max) 上花费 $4.00,在 GPT-6 Astra (max) 上花费 $6.24;完成同样的工作,GPT-6 Astra (max) 输出的 token 是对方的 1.3 倍。

每个模型都按其排名最高的推理强度设置进行对比。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)。GPT-6 Astra (max) 得分 66.9,首个回答 token 需 181 秒;GPT-6 Astra 为 66.2(5 秒),GPT-6 Astra (high) 为 65.6(37 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 176 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-6.2 Astra (max)GPT-6 Astra (max)
BenchLeader IndexBenchLeader68.966.9
智能体与工具得分BenchLeader66.466.3
编程得分BenchLeader76.172.3
综合得分BenchLeader69.568.8
知识得分BenchLeader74.271.1
数学得分BenchLeader72.570.3
多模态得分BenchLeader71.765.4
推理得分BenchLeader73.171.0
人类偏好得分BenchLeader–66.4
长上下文得分BenchLeader–65.0
混合价格(美元/百万 token)BenchLeader$16.00$20.00
输出速度BenchLeader49 tok/s42 tok/s
首次回答时间BenchLeader202.7 秒180.8 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.8%95.8%
Humanity's Last ExamScale AI / CAIS–54.8%†
SimpleBenchSimpleBench–83.6%†
Arena Hard PromptsArena (LMArena)–1500
LiveBench 2.0 ReasoningLiveBench91.6%92.7%
LiveBench 1.0 ReasoningLiveBench–92.7%
GPQA Diamond (AA)Artificial Analysis–96.1%
Humanity's Last Exam (AA)Artificial Analysis–54.7%
HLE-Diamond (AA)Artificial Analysis72.2%63.8%
ARC-AGI-1ARC Prize98.5%97.5%
ARC-AGI-2ARC Prize95.8%95.0%
ARC-AGI-3ARC Prize99.8%98.6%
CritPtArtificial Analysis–31.7%
CritPt v2 hard subset (AA)Artificial Analysis71.5%70.5%
MysteryMechanismVals AI53.1%53.1%
HLE-Diamond (Scale)Scale AI SEAL66.9%†60.6%†
Arena ExpertArena (LMArena)–1518
Chess PuzzlesEpoch AI Benchmarking Hub78.0%74.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub95.0%84.0%
LMCAEpoch AI Benchmarking Hub–64.1%†
DTBenchEpoch AI Benchmarking Hub–97.1%†
ForecastBenchForecastBench–66.6%†
BTF-3Epoch AI Benchmarking Hub–13.5%†
编程
SciCodeSciCode–56.5%
WeirdMLWeirdML–93.3%
显示全部 176 项基准测试
指标发布方GPT-6.2 Astra (max)GPT-6 Astra (max)
编程
FrontierCodeCognition–53.3%
GSO-BenchGSO-Bench–79.4%†
Arena CodingArena (LMArena)–1548
Arena WebDevArena (LMArena)17811763
LiveBench 2.0 CodingLiveBench91.9%87.5%
LiveBench 1.0 CodingLiveBench–80.4%
IOIVals AI–100.0%
Code MigrationVals AI–67.7%
Code Migration v1.1Vals AI–80.6%
ProgramBenchVals AI–5.5%
SWE-bench MultimodalVals AI–43.3%
Vibe Code Bench 1-100Vals AI–27.6%
Vibe Code Bench v1.1Vals AI89.9%89.6%
Vibe Code Bench 1-100 v1.1Vals AI55.2%–
SWE Atlas v1.0: Codebase QnAScale AI SEAL–59.1%†
SWE Atlas v1.0: RefactoringScale AI SEAL–59.0%†
SWE Atlas v1.0: Test WritingScale AI SEAL–50.7%†
SWE Atlas v1.1Scale AI SEAL60.5%†69.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL67.7%†70.2%†
SWE Atlas v1.1: Test WritingScale AI SEAL62.2%†66.7%†
SWE Atlas v1.1: RefactoringScale AI SEAL51.4%†71.4%†
SWE-Bench Pro V2Scale AI SEAL–96.9%†
SWE-Bench Pro V2 HARDScale AI SEAL–90.2%†
MirrorCodeEpoch AI Benchmarking Hub67.8%60.0%
DeepSWE v1.1Epoch AI Benchmarking Hub–73.2%
ALE-BenchEpoch AI Benchmarking Hub–2951.3
FrontierSWEEpoch AI Benchmarking Hub–65.5%
WeirdML v3WeirdML–42.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis64.1%59.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–88.4%
Startrise FrontendStartrise–79.9%†
GameBench 2 OverallDuelLab GameBench 2–88.8†
GameBench 2 by reasoning settingDuelLab GameBench 2–94.3†
Design Arena WebsiteDesign Arena1339†1343
FrontierCode 1.1 (AA)Artificial Analysis–47.0%
FrontierCode 2.0 (AA)Artificial Analysis45.4%42.4%
智能体与工具
Terminal-BenchTerminal-Bench62.1%60.3%
Remote Labor IndexScale AI / CAIS–20.8%†
APEX-AgentsMercor–64.7%†
Arena AgentArena (LMArena)15.214.6
LiveBench Long AgenticLiveBench70.8%74.7%
LiveBench BrowserLiveBench93.0%91.3%
LiveBench Agentic CodingLiveBench–57.3%
Terminal-Bench 2.1 (Vals)Vals AI–87.3%
HiL-BenchScale AI SEAL–65.3%†
GDPval-AA v2.1, normalised scoreArtificial Analysis–53.7%
GDPval-AA v2.1Artificial Analysis–1587
τ³-Banking (AA)Artificial Analysis–41.4%
ITBench SRE (AA)Artificial Analysis–48.6%
Analyst Agent (AA)Artificial Analysis62.5%51.3%
CUA-benchVals AI–19.2%
CyberBenchVals AI–41.1%
Finance Agent v2Vals AI–53.5%
Finance Agent v2.1Vals AI60.8%60.4%
Harvey's Legal Agent Benchmark v1.1Vals AI16.3%7.1%
Harvey's Legal Agent Benchmark v1Vals AI–5.4%
Legal Research BenchVals AI42.8%39.4%
Robo-benchVals AI32.7%23.3%
SREBenchVals AI–56.9%
Tax Agent BenchVals AI21.8%20.7%
Terminal-Bench 4.0 (Vals)Vals AI63.1%59.6%
Terminal-Bench ScienceVals AI71.4%62.9%
Time Horizon Index: KSPVals AI–90.5%
Arena SearchArena (LMArena)–1245
Arena Agent Task CompletionArena (LMArena)12.414.9
BALROGBALROG–68.3%
PostTrainBenchEpoch AI Benchmarking Hub–41.9%
GBAEvalEpoch AI Benchmarking Hub–87.0%†
Vending-Bench 2Andon Labs–15514.7†
SpireClimbEpoch AI Benchmarking Hub41.3%34.0%
AutomationBenchArtificial Analysis77.3%68.5%
GDP.pdf (AA)Artificial Analysis29.8%31.0%
Harvey LAB-AA v1.1Harvey15.0%8.6%
EnterpriseOps-GymArtificial Analysis29.9%–
AA-Briefcase v1.1Artificial Analysis16431569
GDPxGDPx by SemiAnalysis–9.6%
Design Arena AgenticDesign Arena13041394
RoboDojo (LLM as robot policy)RoboDojo–29.0†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis78.1%63.3%
CWE-Bench (AA)Artificial Analysis65.0%63.3%
DeepSec-Bench (AA)Artificial Analysis46.8%36.9%
CyberGym end-to-end (AA)Artificial Analysis0.0%0.0%
MKA (AA)Artificial Analysis52.7%50.2%
FACTS SearchGoogle–93.3%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub92.6%93.7%
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%97.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI–99.0%†
LiveBench MathematicsLiveBench–96.8%
Autoform-HardVals AI87.5%–
Arena MathsArena (LMArena)–1478
FrontierMath ErdősEpoch AI Benchmarking Hub10.3%2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub78.5%75.6%
LiveBench 2.0 Data AnalysisLiveBench84.1%83.0%
LiveBench ResearchLiveBench91.5%90.6%
LiveBench 1.0 Data AnalysisLiveBench–83.0%
AA-Omniscience v1.1Artificial Analysis5042.4
PRBench FinanceScale AI SEAL–47.5%†
PRBench LegalScale AI SEAL43.1%†48.4%†
BioMysteryBenchVals AI80.7%79.3%
Excel Modeling BenchmarkVals AI–71.7%
Excel Modeling Benchmark v1.1Vals AI76.0%72.7%
MedCodeVals AI–48.5%
MedScribeVals AI–87.9%
Financial Coaching BenchVals AI–67.5%
Immigration BenchVals AI–67.7%
DrugDiscoveryBenchScale AI SEAL65.5%†68.7%
EBR-benchEpoch AI Benchmarking Hub92.4%76.2%
GDP.pdfEpoch AI Benchmarking Hub–50.4%
AA-Omniscience v1.1: accuracyArtificial Analysis68.6%61.6%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.9%50.2%
HealthBench Professional (AA)OpenAI–66.0%
FACTS ParametricGoogle–83.8%†
指令遵循
LiveBench LanguageLiveBench–89.4%
LiveBench Instruction FollowingLiveBench–75.6%
MultiChallengeScale AI SEAL73.2%†–
Arena Instruction FollowingArena (LMArena)–1473
人类偏好
Arena TextArena (LMArena)–1475
EQ-Bench Creative Writing v3EQ-Bench–2177†
Arena Creative WritingArena (LMArena)–1449
Arena Multi-turnArena (LMArena)–1482
Arena Longer QueriesArena (LMArena)–1484
多模态
Arena VisionArena (LMArena)–1279
LiveBench DesignLiveBench82.8%80.0%
MMMU-ProArtificial Analysis89.5%86.9%
Humanity's Sixth SenseScale AI SEAL63.2%†53.6%
Blueprint-Bench 2Epoch AI Benchmarking Hub–49.7%†
Furniture AssemblyEpoch AI Benchmarking Hub89.2%80.0%
VIALS-AAHandshake AI65.8%62.7%
Code2Video-AAArtificial Analysis–1427
AA-3DArtificial Analysis13181168
FACTS MultimodalGoogle–55.2%†
长上下文
AA-LCR v1.1Artificial Analysis–80.7%
Arena DocumentArena (LMArena)–1474
MLCRArtificial Analysis39.4%41.7%
FACTS GroundingGoogle–80.1%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub174.2†169.2†
LiveBench 2.0LiveBench84.9%84.3%
LiveBench 1.0LiveBench–82.2%
AA Intelligence Index v5.0.1Artificial Analysis62.156.9
AA Intelligence Index v4.3.2Artificial Analysis–52.7
AA Progress Index v1Artificial Analysis–349.6
Vals IndexVals AI67.765.0
Vals Finance IndexVals AI57.3%55.6%
Vals RSI IndexVals AI29.0%27.1%
Vals Science IndexVals AI68.4%65.1%
Vals Router IndexVals AI–65.0%†
Vals Legal IndexVals AI69.7%68.4%
AA Cyber IndexArtificial Analysis37.333.4
安全与诚实
FORTRESSScale AI SEAL–12.1%†
DistressBenchScale AI SEAL–74.3%†

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 Astra (max):3 项分数修订。
  • 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-6 Astra (max):BenchLeader Index 67.4 → 66.7。
  • GPT-6 Astra (max):2 项分数修订。
  • GPT-6 Astra (max):2 项分数修订。
  • GPT-6 Astra (max):8 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • GPT-6 Astra (max):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-6.2 Astra vs GPT-6 Astra:常见问题

GPT-6.2 Astra 比 GPT-6 Astra 更好吗?
GPT-6.2 Astra (max) 与 GPT-6 Astra (max) 的质量不相上下(68.9 比 66.9,在 ±2.9 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19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。
GPT-6.2 Astra 和 GPT-6 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 $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 GPT-6.2 Astra 还是 GPT-6 Astra 更好?
GPT-6.2 Astra 在编程方面得分更高(类别得分 76 比 72,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-6.2 Astra 为 1781,GPT-6 Astra 为 1763。
GPT-6.2 Astra 和 GPT-6 Astra 哪个更快?
GPT-6.2 Astra 输出更快(输出 49 比 42 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6.2 Astra 还是 GPT-6 Astra 更好?
两者在智能体任务方面持平(类别得分 66 比 66)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,GPT-6.2 Astra 为 62.1%,GPT-6 Astra 为 60.3%。
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-6 Astra 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 180.8 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-6.2 Astra 和 GPT-6 Astra 的看法一致吗?
在两者都有结果的 65 项基准测试中,GPT-6.2 Astra 领先 54 项,GPT-6 Astra 领先 8 项,3 项持平。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。