BenchLeader

GPT-6 Astra vs GPT-6 Sol

完整资料:GPT-6 Astra(OpenAI)和 GPT-6 Sol(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16日,质量上 GPT-6 Astra 领先 GPT-6 Sol(BenchLeader Index 67.3 比 62.6)。不过,GPT-6 Sol 更便宜,对方的价格是它的 5.0 倍(每百万 token 混合价格 $4.00 比 $20.00)。看重知识(72 比 61)、编程(73 比 66)和推理(72 比 66)选 Astra;看重长上下文(67 比 65)选 Sol。Sol 的首次回答更快(36.9 秒 比 198.4 秒)。Sol 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • GPT-6 Astra 的 BenchLeader Index 为 67.3,GPT-6 Sol 为 62.6(BenchLeader,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)。
  • GPT-6 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月16日)。
  • GPT-6 Sol 比 GPT-6 Astra 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 89 项基准测试中,GPT-6 Astra 领先 78 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,GPT-6 Astra 的评分为 1764,GPT-6 Sol 为 1673(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 66;Arena WebDev 1764 比 1673中
智能体与工具调用GPT-6 Astra类别得分 64 比 59;Terminal-Bench 60.3% 比 50.3%中
数学GPT-6 Astra类别得分 71 比 68;FrontierMath Tiers 1–3 93.7% 比 89.8%中
推理GPT-6 Astra类别得分 72 比 66;GPQA Diamond 95.8% 比 94.3%中
知识GPT-6 Astra类别得分 72 比 61;SimpleQA Verified 75.6% 比 60.7%高
长文档GPT-6 Sol类别得分 67 比 65;AA-LCR v1.1 83.7% 比 80.7%中
图像及其他媒体GPT-6 Astra类别得分 66 比 61;Arena Vision 1279 比 1233中
对话质量(人类偏好)GPT-6 AstraArena 投票 66 比 64中
成本最低GPT-6 Sol每百万 token 混合价格 $4.00 比 $20.00;智能体编程会话 $0.160 比 $0.800–
首次回答最快GPT-6 Sol首个回答 token 36.9 秒(GPT-6 Sol (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

  • 质量上 GPT-6 Astra (max) 领先:67.3 比 62.6。
  • GPT-6 Astra (max) 在智能体与工具、编程、人类偏好、知识、数学、多模态、推理方面更强。
  • GPT-6 Sol (max) 在长上下文方面更强。
  • GPT-6 Sol (max) 更便宜,对方的价格是它的 5.0 倍(每百万 token 混合价格 $4.00 比 $20.00)。
  • GPT-6 Sol (max) 的输出速度是对方的 3.1 倍(127 比 41 token/秒)。

概览

规格GPT-6 AstraGPT-6 Sol
提供商OpenAIOpenAI
发布日期2026年9月2日2026年9月22日
上下文窗口(token)1,050,0001,050,000
对比时的配置GPT-6 Astra (max)GPT-6 Sol (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$10.00 / $50.00 / $1.00$2.00 / $10.00 / $0.200

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 Astra (max)GPT-6 Sol (max)领先者
推理72.466.0GPT-6 Astra
编程73.266.3GPT-6 Astra
智能体与工具63.958.8GPT-6 Astra
数学70.868.0GPT-6 Astra
知识72.360.6GPT-6 Astra
人类偏好66.264.2GPT-6 Astra
多模态65.660.6GPT-6 Astra
长上下文65.066.6GPT-6 Sol
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GPT-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: 66.2GPT-6 Sol, 推理: 66.0GPT-6 Sol, 编程: 66.3GPT-6 Sol, 智能体与工具: 58.8GPT-6 Sol, 数学: 68.0GPT-6 Sol, 知识: 60.6GPT-6 Sol, 长上下文: 66.6GPT-6 Sol, 多模态: 60.6GPT-6 Sol, 人类偏好: 64.2

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 89 项基准测试中,GPT-6 Astra 领先 78 项,GPT-6 Sol 领先 9 项,2 项持平。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。

综合 IndexGPT-6 Astra (max)GPT-6 Sol (max)领先者
BenchLeader Index67.362.6GPT-6 Astra
AA Intelligence Index v5.0.156.944.2GPT-6 Astra
Arena Text14741457GPT-6 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 Astra (max)GPT-6 Sol (max)
每百万 token 混合价格$20.00$4.00
每百万 token 输入 / 输出$10.00 / $50.00$2.00 / $10.00
每百万 token 缓存输入$1.00$0.200
每项任务价格:聊天回复$0.019$0.0038
每项任务价格:总结一份 30 页的报告$0.150$0.030
每项任务价格:代码编辑$0.135$0.027
每项任务价格:智能体编程会话$0.800$0.160
每项任务价格:结构化信息提取$0.030$0.0060
智能体编程会话(输入大多命中缓存)$0.395$0.079
每项基准测试任务成本(AA Index)$6.24$2.47
每项任务输出 token(AA Index)52k54k
其中推理部分36k35k
每项任务耗时(AA Index)21 min7 min
输出速度41 tok/s127 tok/s
首次回答时间198.4 秒36.9 秒
完整回答耗时(最近一次测量 2026年11月13日)533.7 秒143.8 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 Astra (max) 上花费 $6.24,在 GPT-6 Sol (max) 上花费 $2.47;完成同样的工作,GPT-6 Sol (max) 输出的 token 是对方的 1.0 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 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)。GPT-6 Sol (max) 得分 62.6,首个回答 token 需 37 秒;GPT-6 Sol (xhigh) 为 58.4(19 秒),GPT-6 Sol (high) 为 58.1(6 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 172 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 Astra (max)GPT-6 Sol (max)
BenchLeader IndexBenchLeader67.362.6
智能体与工具得分BenchLeader63.958.8
编程得分BenchLeader73.266.3
综合得分BenchLeader71.3–
人类偏好得分BenchLeader66.264.2
知识得分BenchLeader72.360.6
长上下文得分BenchLeader65.066.6
数学得分BenchLeader70.868.0
多模态得分BenchLeader65.660.6
推理得分BenchLeader72.466.0
混合价格(美元/百万 token)BenchLeader$20.00$4.00
输出速度BenchLeader41 tok/s127 tok/s
首次回答时间BenchLeader198.4 秒36.9 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.8%94.3%
Humanity's Last ExamScale AI / CAIS54.8%†–
SimpleBenchSimpleBench83.6%†73.1%†
Arena Hard PromptsArena (LMArena)15001483
LiveBench 2.0 ReasoningLiveBench92.7%–
LiveBench 1.0 ReasoningLiveBench92.7%88.7%
GPQA Diamond (AA)Artificial Analysis96.1%–
Humanity's Last Exam (AA)Artificial Analysis54.7%47.9%
HLE-Diamond (AA)Artificial Analysis63.8%45.2%
ARC-AGI-1ARC Prize97.5%95.5%
ARC-AGI-2ARC Prize95.0%89.6%
ARC-AGI-3ARC Prize98.6%23.0%
CritPtArtificial Analysis31.7%30.9%
CritPt v2 hard subset (AA)Artificial Analysis70.5%66.5%
MysteryMechanismVals AI53.1%30.2%
HLE-Diamond (Scale)Scale AI SEAL60.6%†33.8%†
Arena ExpertArena (LMArena)15171496
Chess PuzzlesEpoch AI Benchmarking Hub74.0%56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub84.0%56.0%
LMCAEpoch AI Benchmarking Hub64.1%†59.1%
DTBenchEpoch AI Benchmarking Hub97.1%†97.3%
ForecastBenchForecastBench66.6%†–
BTF-3Epoch AI Benchmarking Hub13.5%†–
编程
SciCodeSciCode56.5%57.6%
WeirdMLWeirdML93.3%–
显示全部 172 项基准测试
指标发布方GPT-6 Astra (max)GPT-6 Sol (max)
编程
FrontierCodeCognition53.3%49.3%
GSO-BenchGSO-Bench79.4%†–
Arena CodingArena (LMArena)15481521
Arena WebDevArena (LMArena)17641673
LiveBench 2.0 CodingLiveBench87.5%–
LiveBench 1.0 CodingLiveBench80.4%81.8%
IOIVals AI100.0%82.6%
Code MigrationVals AI67.7%57.2%
Code Migration v1.1Vals AI80.6%–
ProgramBenchVals AI5.5%2.0%
SWE-bench MultimodalVals AI43.3%–
Vibe Code Bench 1-100Vals AI27.6%–
Vibe Code Bench v1.1Vals AI89.6%87.8%
SWE Atlas v1.0: Codebase QnAScale AI SEAL59.1%†–
SWE Atlas v1.0: RefactoringScale AI SEAL59.0%†–
SWE Atlas v1.0: Test WritingScale AI SEAL50.7%†–
SWE Atlas v1.1Scale AI SEAL69.4%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL70.2%†–
SWE Atlas v1.1: Test WritingScale AI SEAL66.7%†–
SWE Atlas v1.1: RefactoringScale AI SEAL71.4%†–
SWE-Bench Pro V2Scale AI SEAL96.9%†–
SWE-Bench Pro V2 HARDScale AI SEAL90.2%†–
MirrorCodeEpoch AI Benchmarking Hub60.0%48.9%
DeepSWE v1.1Epoch AI Benchmarking Hub73.2%–
ALE-BenchEpoch AI Benchmarking Hub2951.32462
FrontierSWEEpoch AI Benchmarking Hub65.5%–
WeirdML v3WeirdML42.2%†19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis59.1%43.9%
Terminal-Bench 2.1 (AA)Artificial Analysis88.4%–
Startrise FrontendStartrise79.9%†–
GameBench 2 OverallDuelLab GameBench 288.8†73.0†
GameBench 2 by reasoning settingDuelLab GameBench 294.3†79.4†
Design Arena WebsiteDesign Arena13381290†
FrontierCode 1.1 (AA)Artificial Analysis47.0%–
FrontierCode 2.0 (AA)Artificial Analysis42.4%35.6%
智能体与工具
Terminal-BenchTerminal-Bench60.3%50.3%
Remote Labor IndexScale AI / CAIS20.8%†–
APEX-AgentsMercor64.7%†54.3%
Arena AgentArena (LMArena)14.56.9
LiveBench Long AgenticLiveBench75.6%–
LiveBench BrowserLiveBench91.3%–
LiveBench Agentic CodingLiveBench57.3%52.9%
Terminal-Bench 2.1 (Vals)Vals AI87.3%83.2%
HiL-BenchScale AI SEAL65.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis53.7%–
GDPval-AA v2.1Artificial Analysis15871514
τ³-Banking (AA)Artificial Analysis41.4%–
ITBench SRE (AA)Artificial Analysis48.6%49.4%
Analyst Agent (AA)Artificial Analysis51.3%–
CUA-benchVals AI19.2%–
CyberBenchVals AI41.1%78.0%
Finance Agent v2Vals AI53.5%49.0%
Finance Agent v2.1Vals AI60.4%–
Harvey's Legal Agent Benchmark v1.1Vals AI7.1%–
Harvey's Legal Agent Benchmark v1Vals AI5.4%1.7%
Legal Research BenchVals AI39.4%28.9%
Robo-benchVals AI23.3%–
SREBenchVals AI56.9%30.5%
Tax Agent BenchVals AI20.7%15.0%
Terminal-Bench 4.0 (Vals)Vals AI59.6%44.4%
Terminal-Bench ScienceVals AI62.9%30.0%
Time Horizon Index: KSPVals AI90.5%–
Arena SearchArena (LMArena)12451229
Arena Agent Task CompletionArena (LMArena)144.5
BALROGBALROG68.3%–
PostTrainBenchEpoch AI Benchmarking Hub41.9%–
Vending-Bench 2Andon Labs15514.7†14427.9†
SpireClimbEpoch AI Benchmarking Hub34.0%9.2%
AutomationBenchArtificial Analysis68.5%61.6%
GDP.pdf (AA)Artificial Analysis31.0%25.2%
Harvey LAB-AA v1.1Harvey8.6%3.6%
AA-Briefcase v1.1Artificial Analysis15691476
GDPxGDPx by SemiAnalysis9.6%–
Design Arena AgenticDesign Arena14051218†
RoboDojo (LLM as robot policy)RoboDojo29.0†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis63.3%30.0%
CWE-Bench (AA)Artificial Analysis63.3%64.2%
DeepSec-Bench (AA)Artificial Analysis36.9%46.3%
CyberGym end-to-end (AA)Artificial Analysis0.0%0.0%
MKA (AA)Artificial Analysis50.2%–
FACTS SearchGoogle93.3%†92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub97.6%90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI99.0%†83.0%†
LiveBench MathematicsLiveBench96.8%96.4%
Arena MathsArena (LMArena)14811440
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub75.6%60.7%
LiveBench 2.0 Data AnalysisLiveBench83.0%–
LiveBench ResearchLiveBench90.6%–
LiveBench 1.0 Data AnalysisLiveBench83.0%81.2%
AA-Omniscience v1.1Artificial Analysis42.421.4
PRBench FinanceScale AI SEAL47.5%†–
PRBench LegalScale AI SEAL48.4%†38.6%†
BioMysteryBenchVals AI79.3%74.8%
Excel Modeling BenchmarkVals AI71.7%71.5%
Excel Modeling Benchmark v1.1Vals AI72.7%–
MedCodeVals AI48.5%47.1%
MedScribeVals AI87.9%82.0%
Public Benefits Bench v1.1Vals AI–56.6%
Financial Coaching BenchVals AI67.5%62.6%
Immigration BenchVals AI67.7%–
DrugDiscoveryBenchScale AI SEAL68.7%–
EBR-benchEpoch AI Benchmarking Hub76.2%53.3%
GDP.pdfEpoch AI Benchmarking Hub34.2%26.4%
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis50.2%39.1%
HealthBench Professional (AA)OpenAI66.0%62.3%
FACTS ParametricGoogle83.8%†76.1%†
指令遵循
LiveBench LanguageLiveBench89.4%85.3%
LiveBench Instruction FollowingLiveBench75.6%68.6%
Arena Instruction FollowingArena (LMArena)14741449
人类偏好
Arena TextArena (LMArena)14741457
EQ-Bench Creative Writing v3EQ-Bench2177†2126†
Arena Creative WritingArena (LMArena)14511428
Arena Multi-turnArena (LMArena)14831468
Arena Longer QueriesArena (LMArena)14851466
多模态
Arena VisionArena (LMArena)12791233
LiveBench DesignLiveBench80.0%–
MMMU-ProArtificial Analysis86.9%83.0%
Humanity's Sixth SenseScale AI SEAL53.6%31.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub49.7%†36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub80.0%58.3%
VIALS-AAHandshake AI62.7%–
Code2Video-AAArtificial Analysis1427–
AA-3DArtificial Analysis11681131
FACTS MultimodalGoogle55.2%†43.9%†
长上下文
AA-LCR v1.1Artificial Analysis80.7%83.7%
Arena DocumentArena (LMArena)1474–
MLCRArtificial Analysis41.7%33.9%
FACTS GroundingGoogle80.1%†83.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169†163.8†
LiveBench 2.0LiveBench84.5%–
LiveBench 1.0LiveBench82.2%79.3%
AA Intelligence Index v5.0.1Artificial Analysis56.944.2
AA Intelligence Index v4.3.2Artificial Analysis52.747.6
AA Progress Index v1Artificial Analysis349.6334
Vals IndexVals AI65.0–
Vals Finance IndexVals AI55.6%–
Vals RSI IndexVals AI27.1%28.1%
Vals Science IndexVals AI65.1%45.0%
Vals Router IndexVals AI65.0%†–
Vals Legal IndexVals AI68.4%–
AA Cyber IndexArtificial Analysis33.436.8
安全与诚实
FORTRESSScale AI SEAL12.1%†13.5%†
DistressBenchScale AI SEAL74.3%†68.0%†

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

  • 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。
  • GPT-6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-6 Astra (max):1 项新结果(PostTrainBench);2 项分数修订。
  • GPT-6 Astra (max):1 项新结果(MirrorCode);1 项分数修订。
  • GPT-6 Sol (max):1 项新结果(MirrorCode)。
  • GPT-6 Astra (max):BenchLeader Index 68.1 → 67.4。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Astra (max):2 项分数修订。
  • GPT-6 Sol (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

GPT-6 Astra vs GPT-6 Sol:常见问题

GPT-6 Astra 比 GPT-6 Sol 更好吗?
质量上 GPT-6 Astra (max) 领先:67.3 比 62.6。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,GPT-6 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-6 Astra 和 GPT-6 Sol 哪个更便宜?价格会变吗?
目前 GPT-6 Sol 更便宜:每百万 token $4.00 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 Astra 还是 GPT-6 Sol 更好?
GPT-6 Astra 在编程方面得分更高(类别得分 73 比 66,50 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 Astra 为 1764,GPT-6 Sol 为 1673。
GPT-6 Astra 和 GPT-6 Sol 哪个更快?
GPT-6 Sol 输出更快(3 倍以上;输出 127 比 41 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6 Astra 还是 GPT-6 Sol 更好?
GPT-6 Astra 在智能体任务方面得分更高(类别得分 64 比 59,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,GPT-6 Astra 为 60.3%,GPT-6 Sol 为 50.3%。
更多问题(4)
处理长文档哪个更好?
GPT-6 Sol 在长上下文基准测试上得分更高(67 比 65)。两者都支持 1,050,000 token 的上下文。
哪个延迟更低?
GPT-6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 36.9 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 GPT-6 Astra 和 GPT-6 Sol 的看法一致吗?
在两者都有结果的 89 项基准测试中,GPT-6 Astra 领先 78 项,GPT-6 Sol 领先 9 项,2 项持平。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。
GPT-6 Sol 是什么时候发布的?
GPT-6 Sol 于 2026年9月22日 发布。