BenchLeader

GPT-6 Astra vs Grok 4.3

完整资料:GPT-6 Astra(OpenAI)和 Grok 4.3(SpaceXAI),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 Grok 4.3(BenchLeader Index 67.3 比 56.5)。不过,Grok 4.3 更便宜,对方的价格是它的 13 倍(每百万 token 混合价格 $1.56 比 $20.00)。在两者都有成绩的所有类别中,GPT-6 Astra 均领先。Grok 4.3 输出更快(约 2 倍)。

要点(截至 2026年11月16日)

  • GPT-6 Astra 的 BenchLeader Index 为 67.3,Grok 4.3 为 56.5(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)。
  • Grok 4.3 每百万 token 混合价格为 $1.56(标价,2026年11月16日)。
  • Grok 4.3 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 33 项基准测试中,GPT-6 Astra 领先 33 项(BenchLeader,2026年11月16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
编程GPT-6 Astra类别得分 73 比 58;SciCode 56.5% 比 48.3%高
智能体与工具调用GPT-6 Astra类别得分 64 比 45;τ³-Banking (AA) 41.4% 比 12.4%高
数学GPT-6 Astra类别得分 71 比 46;FrontierMath Tiers 1–3 93.7% 比 42.8%高
推理GPT-6 Astra类别得分 72 比 63;GPQA Diamond 95.8% 比 88.8%高
知识GPT-6 Astra类别得分 72 比 50;SimpleQA Verified 75.6% 比 33.2%高
长文档GPT-6 Astra类别得分 65 比 61;AA-LCR v1.1 80.7% 比 73.0%中
图像及其他媒体GPT-6 Astra类别得分 66 比 60;MMMU-Pro 86.9% 比 78.1%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Grok 4.3每百万 token 混合价格 $1.56 比 $20.00;智能体编程会话 $0.085 比 $0.800–
首次回答最快Grok 4.3首个回答 token 17.7 秒(Grok 4.3 (high))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 56.5。
  • GPT-6 Astra (max) 在智能体与工具、编程、知识、长上下文、数学、多模态、推理方面更强。
  • Grok 4.3 (high) 更便宜,对方的价格是它的 13 倍(每百万 token 混合价格 $1.56 比 $20.00)。
  • Grok 4.3 (high) 的输出速度是对方的 2.1 倍(85 比 41 token/秒)。

概览

规格GPT-6 AstraGrok 4.3
提供商OpenAISpaceXAI
发布日期2026年9月2日2026年4月17日
上下文窗口(token)1,050,0001,000,000
对比时的配置GPT-6 Astra (max)Grok 4.3 (high)
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$1.25 / $2.50 / $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)Grok 4.3 (high)领先者
推理72.463.3GPT-6 Astra
编程73.257.8GPT-6 Astra
智能体与工具63.944.8GPT-6 Astra
数学70.846.3GPT-6 Astra
知识72.350.3GPT-6 Astra
指令遵循–78.8无法比较
人类偏好66.2–无法比较
多模态65.660.4GPT-6 Astra
长上下文65.061.0GPT-6 Astra
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: 65.6Grok 4.3, 推理: 63.3Grok 4.3, 编程: 57.8Grok 4.3, 智能体与工具: 44.8Grok 4.3, 数学: 46.3Grok 4.3, 知识: 50.3Grok 4.3, 长上下文: 61.0Grok 4.3, 多模态: 60.4

未绘制(测得的模型少于两个):指令遵循, 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 33 项基准测试中,GPT-6 Astra 领先 33 项,Grok 4.3 领先 0 项。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)Grok 4.3 (high)领先者
BenchLeader Index67.356.5GPT-6 Astra
Arena Text14741442†GPT-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)Grok 4.3 (high)
每百万 token 混合价格$20.00$1.56
每百万 token 输入 / 输出$10.00 / $50.00$1.25 / $2.50
每百万 token 缓存输入$1.00$0.200
每项任务价格:聊天回复$0.019$0.0013
每项任务价格:总结一份 30 页的报告$0.150$0.017
每项任务价格:代码编辑$0.135$0.011
每项任务价格:智能体编程会话$0.800$0.085
每项任务价格:结构化信息提取$0.030$0.0030
智能体编程会话(输入大多命中缓存)$0.395$0.038
每项基准测试任务成本(AA Index)$6.24–
每项任务输出 token(AA Index)52k–
其中推理部分36k–
每项任务耗时(AA Index)21 min–
输出速度41 tok/s85 tok/s
首次回答时间198.4 秒17.7 秒
完整回答耗时(最近一次测量 2026年11月13日)533.7 秒46.5 秒

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)。Grok 4.3 (high) 得分 56.5,首个回答 token 需 18 秒;Grok 4.3 为 54.5(1 秒),Grok 4.3 (无推理) 为 46.3(1 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 192 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)Grok 4.3 (high)
BenchLeader IndexBenchLeader67.356.5
智能体与工具得分BenchLeader63.944.8
编程得分BenchLeader73.257.8
综合得分BenchLeader71.3–
人类偏好得分BenchLeader66.2–
知识得分BenchLeader72.350.3
长上下文得分BenchLeader65.061.0
数学得分BenchLeader70.846.3
多模态得分BenchLeader65.660.4
推理得分BenchLeader72.463.3
指令遵循得分BenchLeader–78.8
混合价格(美元/百万 token)BenchLeader$20.00$1.56
输出速度BenchLeader41 tok/s85 tok/s
首次回答时间BenchLeader198.4 秒17.7 秒
上下文窗口BenchLeader1,050,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub95.8%88.8%
Humanity's Last ExamScale AI / CAIS54.8%†–
SimpleBenchSimpleBench83.6%†–
Arena Hard PromptsArena (LMArena)15001456†
LiveBench 2.0 ReasoningLiveBench92.7%–
LiveBench 1.0 ReasoningLiveBench92.7%70.8%†
GPQA Diamond (AA)Artificial Analysis96.1%90.1%
Humanity's Last Exam (AA)Artificial Analysis54.7%37.2%
HLE-Diamond (AA)Artificial Analysis63.8%–
GPQA Diamond (Vals)Vals AI–91.4%†
ARC-AGI-1ARC Prize97.5%–
ARC-AGI-2ARC Prize95.0%–
ARC-AGI-3ARC Prize98.6%–
CritPtArtificial Analysis31.7%8.0%
CritPt v2 hard subset (AA)Artificial Analysis70.5%–
MysteryMechanismVals AI53.1%–
HLE-Diamond (Scale)Scale AI SEAL60.6%†–
Arena ExpertArena (LMArena)15171454†
Chess PuzzlesEpoch AI Benchmarking Hub74.0%18.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub84.0%–
LMCAEpoch AI Benchmarking Hub64.1%†38.3%
DTBenchEpoch AI Benchmarking Hub97.1%†90.7%
ForecastBenchForecastBench66.6%†63.2%†
BTF-3Epoch AI Benchmarking Hub13.5%†–
编程
SciCodeSciCode56.5%48.3%
显示全部 192 项基准测试
指标发布方GPT-6 Astra (max)Grok 4.3 (high)
编程
WeirdMLWeirdML93.3%49.9%†
FrontierCodeCognition53.3%–
GSO-BenchGSO-Bench79.4%†–
Arena CodingArena (LMArena)15481487†
Arena WebDevArena (LMArena)17641357†
LiveBench 2.0 CodingLiveBench87.5%–
LiveBench 1.0 CodingLiveBench80.4%69.9%†
LiveCodeBenchVals AI–84.5%
IOIVals AI100.0%–
SWE-bench (Vals)Vals AI–71.4%
Code MigrationVals AI67.7%6.8%
Code Migration v1.1Vals AI80.6%–
ProgramBenchVals AI5.5%0.0%
SWE-bench MultimodalVals AI43.3%–
Vibe Code Bench 1-100Vals AI27.6%–
Vibe Code Bench v1.1Vals AI89.6%19.4%
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%–
DeepSWE v1.1Epoch AI Benchmarking Hub73.2%–
ALE-BenchEpoch AI Benchmarking Hub2951.3944.2†
FrontierSWEEpoch AI Benchmarking Hub65.5%–
WeirdML v3WeirdML42.2%†–
Terminal-Bench 4.0 (AA)Artificial Analysis59.1%0.0%
Terminal-Bench 2.1 (AA)Artificial Analysis88.4%39.7%
Startrise FrontendStartrise79.9%†–
GameBench 2 OverallDuelLab GameBench 288.8†–
GameBench 2 by reasoning settingDuelLab GameBench 294.3†–
Design Arena WebsiteDesign Arena13381186†
FrontierCode 1.1 (AA)Artificial Analysis47.0%–
FrontierCode 2.0 (AA)Artificial Analysis42.4%–
智能体与工具
Terminal-BenchTerminal-Bench60.3%–
Remote Labor IndexScale AI / CAIS20.8%†–
APEX-AgentsMercor64.7%†–
Arena AgentArena (LMArena)14.5–
LiveBench Long AgenticLiveBench75.6%–
LiveBench BrowserLiveBench91.3%–
LiveBench Agentic CodingLiveBench57.3%18.5%†
Terminal-Bench HardArtificial Analysis–37.9%
τ²-Bench Telecom (AA)Artificial Analysis–97.7%
Terminal-Bench 2.1 (Vals)Vals AI87.3%42.0%
HiL-BenchScale AI SEAL65.3%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis53.7%–
GDPval-AA v2.1Artificial Analysis1587945
τ³-Banking (AA)Artificial Analysis41.4%12.4%
ITBench SRE (AA)Artificial Analysis48.6%32.7%
Analyst Agent (AA)Artificial Analysis51.3%8.8%
APEX-Agents (AA)Artificial Analysis–17.0%
CUA-benchVals AI19.2%–
CyberBenchVals AI41.1%–
Finance Agent v2Vals AI53.5%37.7%
Finance Agent v2.1Vals AI60.4%–
Harvey's Legal Agent Benchmark v1.1Vals AI7.1%–
Harvey's Legal Agent Benchmark v1Vals AI5.4%0.4%
Legal Research BenchVals AI39.4%15.4%
Robo-benchVals AI23.3%–
SkillsBenchVals AI–40.6%
SREBenchVals AI56.9%–
Tax Agent BenchVals AI20.7%6.2%
Terminal-Bench 2.0 (Vals)Vals AI–43.5%†
Terminal-Bench 4.0 (Vals)Vals AI59.6%–
Terminal-Bench ScienceVals AI62.9%–
Time Horizon Index: KSPVals AI90.5%–
Arena SearchArena (LMArena)12451194†
Arena Agent Task CompletionArena (LMArena)14–
BALROGBALROG68.3%–
PostTrainBenchEpoch AI Benchmarking Hub41.9%–
Vending-Bench 2Andon Labs15514.7†35.3†
SpireClimbEpoch AI Benchmarking Hub34.0%–
AutomationBenchArtificial Analysis68.5%1.4%
GDP.pdf (AA)Artificial Analysis31.0%5.8%
Harvey LAB-AA v1.1Harvey8.6%–
EnterpriseOps-GymArtificial Analysis–26.3%
AA-Briefcase v1.1Artificial Analysis1569763
GDPxGDPx by SemiAnalysis9.6%–
Design Arena AgenticDesign Arena14051042†
RoboDojo (LLM as robot policy)RoboDojo29.0†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis63.3%–
CWE-Bench (AA)Artificial Analysis63.3%–
DeepSec-Bench (AA)Artificial Analysis36.9%–
CyberGym end-to-end (AA)Artificial Analysis0.0%–
MKA (AA)Artificial Analysis50.2%–
FACTS SearchGoogle93.3%†–
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub93.7%42.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub97.6%14.6%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%93.3%
ProofBenchVals AI99.0%†11.0%
LiveBench MathematicsLiveBench96.8%84.3%†
Arena MathsArena (LMArena)14811419†
FrontierMath ErdősEpoch AI Benchmarking Hub2.9%–
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub75.6%33.2%
LiveBench 2.0 Data AnalysisLiveBench83.0%–
LiveBench ResearchLiveBench90.6%–
LiveBench 1.0 Data AnalysisLiveBench83.0%55.8%†
AA-Omniscience v1.1Artificial Analysis42.4–
MMLU-ProVals AI–85.8%
LegalBenchVals AI–84.5%†
CorpFinVals AI–68.5%†
TaxEvalVals AI–70.8%†
PRBench FinanceScale AI SEAL47.5%†–
PRBench LegalScale AI SEAL48.4%†–
BioMysteryBenchVals AI79.3%–
CaseLaw v2Vals AI–79.3%†
Excel Modeling BenchmarkVals AI71.7%18.4%
Excel Modeling Benchmark v1.1Vals AI72.7%–
MedCodeVals AI48.5%38.1%†
MedScribeVals AI87.9%74.4%†
Public Benefits Bench v1.1Vals AI–51.7%
Financial Coaching BenchVals AI67.5%–
Immigration BenchVals AI67.7%–
DrugDiscoveryBenchScale AI SEAL68.7%–
EBR-benchEpoch AI Benchmarking Hub76.2%–
GDP.pdfEpoch AI Benchmarking Hub34.2%8.0%
AA-Omniscience v1.1: accuracyArtificial Analysis61.6%–
AA-Omniscience v1.1: non-hallucinationArtificial Analysis50.2%–
HealthBench Professional (AA)OpenAI66.0%–
FACTS ParametricGoogle83.8%†–
指令遵循
LiveBench LanguageLiveBench89.4%73.6%†
LiveBench Instruction FollowingLiveBench75.6%62.8%†
IFBenchArtificial Analysis–81.3%
Arena Instruction FollowingArena (LMArena)14741415†
人类偏好
Arena TextArena (LMArena)14741442†
EQ-Bench 4EQ-Bench–1065†
EQ-Bench Creative Writing v3EQ-Bench2177†–
Arena Creative WritingArena (LMArena)14511422†
Arena Multi-turnArena (LMArena)14831448†
Arena Longer QueriesArena (LMArena)14851443†
多模态
Arena VisionArena (LMArena)12791229†
LiveBench DesignLiveBench80.0%–
MMMU-ProArtificial Analysis86.9%78.1%
MMMU-Pro (Vals)Vals AI–83.1%†
MortgageTaxVals AI–48.3%†
Humanity's Sixth SenseScale AI SEAL53.6%–
GeoBenchGeoBench–56.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub49.7%†0.0%†
Furniture AssemblyEpoch AI Benchmarking Hub80.0%–
VIALS-AAHandshake AI62.7%–
Code2Video-AAArtificial Analysis1427–
AA-3DArtificial Analysis1168–
FACTS MultimodalGoogle55.2%†–
长上下文
AA-LCR v1.1Artificial Analysis80.7%73.0%
Arena DocumentArena (LMArena)1474–
MLCRArtificial Analysis41.7%8.3%
FACTS GroundingGoogle80.1%†–
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub169†149.9†
LiveBench 2.0LiveBench84.5%–
LiveBench 1.0LiveBench82.2%62.3%†
AA Intelligence Index v5.0.1Artificial Analysis56.9–
AA Intelligence Index v4.3.2Artificial Analysis52.724.9
AA Progress Index v1Artificial Analysis349.6271.2
Vals IndexVals AI65.0–
Vals Finance IndexVals AI55.6%–
Vals RSI IndexVals AI27.1%–
Vals Science IndexVals AI65.1%–
Vals Multimodal IndexVals AI–43.3%
Vals Router IndexVals AI65.0%†–
Vals Legal IndexVals AI68.4%–
AA Cyber IndexArtificial Analysis33.4–
安全与诚实
FORTRESSScale AI SEAL12.1%†–
DistressBenchScale AI SEAL74.3%†–

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

  • 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。
  • Grok 4.3 (high):2 项新结果(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • 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 Astra (max):BenchLeader Index 68.1 → 67.4。
  • GPT-6 Astra (max):2 项分数修订。
  • GPT-6 Astra (max):1 项分数修订。
  • GPT-6 Astra (max):1 项分数修订。
  • 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 Astra vs Grok 4.3:常见问题

GPT-6 Astra 比 Grok 4.3 更好吗?
质量上 GPT-6 Astra (max) 领先:67.3 比 56.5。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 Grok 4.3 哪个更便宜?价格会变吗?
目前 Grok 4.3 更便宜:每百万 token $1.56 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 Grok 4.3 更好?
GPT-6 Astra 在编程方面得分更高(类别得分 73 比 58,50 为平均水平)。在两者共同的最主要编程基准测试 SciCode 上,GPT-6 Astra 为 56.5%,Grok 4.3 为 48.3%。
GPT-6 Astra 和 Grok 4.3 哪个更快?
Grok 4.3 输出更快(约 2 倍;输出 85 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 Grok 4.3 更好?
GPT-6 Astra 在智能体任务方面得分更高(类别得分 64 比 45,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 τ³-Banking (AA) 上,GPT-6 Astra 为 41.4%,Grok 4.3 为 12.4%。
更多问题(4)
处理长文档哪个更好?
GPT-6 Astra 在长上下文基准测试上得分更高(65 比 61)。两者都约为 1.1M token(GPT-6 Astra 为 1,050,000,Grok 4.3 为 1,000,000)。
哪个延迟更低?
Grok 4.3 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 17.7 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 Grok 4.3 的看法一致吗?
在两者都有结果的 33 项基准测试中,GPT-6 Astra 领先 33 项,Grok 4.3 领先 0 项。所有同时评测两者的综合评分都认为 GPT-6 Astra 更强。
GPT-6 Astra 是什么时候发布的?
GPT-6 Astra 于 2026年9月2日 发布。