GPT-6 Astra
性价比更高: Gemini 4 Carbon $4.00/M 即可获得 Index 68.9,便宜 80%。
有 3 个更便宜的已排名模型得分更高:Claude Fable 5.2 (72.7, $16.00)、Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00)。
截至 2026年11月16日,GPT-6 Astra(OpenAI)在 BenchLeader Index 上得分 67.3(在 608 个已排名配置中前 10 名)。表现最好的是编程(73),最弱的是智能体与工具(64)。API 价格为输入每百万 token $10.00、输出每百万 token $50.00(按 3:1 混合为 $20.00),为 2026年11月16日的标价。输出速度约为 41 token/秒(Artificial Analysis)。发布于 2026年9月2日。
要点(截至 2026年11月16日)
- GPT-6 Astra 的 API 价格为输入每百万 token $10.00、输出每百万 token $50.00(按 3:1 混合为 $20.00)(标价,2026年11月16日)。
- GPT-6 Astra 的输出速度约为 41 token/秒(Artificial Analysis,2026年11月16日)。
- GPT-6 Astra 于 2026年9月2日发布(OpenAI)。
详细说明:GPT-6 Astra 是 OpenAI 的闭源推理模型,发布于 2026年9月2日。其最佳配置(推理强度 max)在 BenchLeader Index 上得分 67.3 ±3.0,在 608 个配置中排第 6 名,位居前 10。关键在于这个“±”:另有 39 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,编程得分最高(73),智能体与工具最低(64)。按混合价格计,每百万 token $20.00,属于已排名模型中最贵的一档。输出速度为 41 token/秒,首次回答需 198.4 秒,位于最慢的四分之一。它已在 8 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $20.00/M
- 输入 $10.00 · 输出 $50.00
- 来源:Artificial Analysis
- 输出速度
- 41 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 198 s
- 首 token 5.22 s
- 上下文
- 1.1M
- 来源:models.dev
- 完整回答
- 534 s
- 最近一次测量 2026年11月13日
- 单任务成本
- $6.24
- 每项任务 21 min,AA Index
- 单任务 token 数
- 52k
- 其中 69% 为推理
- 发布日期
- 2026年9月2日
- 综合 Index67
- 推理72
- 编程73
- 智能体与工具64
- 数学71
- 知识72
- 人类偏好66
- 多模态66
- 长上下文65
- 综合71
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/gpt-6-astra)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
| 推理强度 | Index | 排名 | 速度 | 首次回答 | 聊天回复成本 | 类别 |
|---|---|---|---|---|---|---|
| 无推理 | 58.1 | #142 | 32 tok/s | 5.22 s | $0.019 | 编程 58 · 数学 68 · 推理 63 |
| low | 62.0 | #55 | 45 tok/s | 3.59 s | $0.019 | 智能体与工具 59 · 编程 57 · 知识 67 · 长上下文 65 · 数学 71 · 多模态 67 · 推理 68 |
| medium | 64.4 | #26 | 43 tok/s | 6.25 s | $0.019 | 智能体与工具 63 · 编程 65 · 知识 67 · 长上下文 65 · 数学 75 · 多模态 68 · 推理 72 |
| high | 66.3 | #11 | 42 tok/s | 49 s | $0.019 | 智能体与工具 67 · 编程 71 · 知识 69 · 长上下文 65 · 数学 75 · 多模态 69 · 推理 73 |
| xhigh | 66.0 | #14 | 39 tok/s | 87 s | $0.019 | 智能体与工具 68 · 编程 69 · 知识 69 · 长上下文 65 · 数学 75 · 多模态 69 · 推理 74 |
| max最佳 | 67.3 | #6 | 41 tok/s | 198 s | $0.019 | 智能体与工具 64 · 编程 73 · 综合 71 · 人类偏好 66 · 知识 72 · 长上下文 65 · 数学 71 · 多模态 66 · 推理 72 |
| Pro 模式 | – | – | 32 tok/s | 5.22 s | $0.019 | 编程 80 · 推理 74 |
| 未说明 | 66.4 | #9 | 32 tok/s | 5.22 s | $0.019 | 智能体与工具 64 · 编程 83 · 知识 56 · 数学 77 · 推理 79 |
多思考要多花多少
提高推理强度能换来 Index 分数,但费用会成倍增加。这里 max 的成本是 low 的 4.4 倍,Index 变化 +5.3,相当于支出每翻一倍提升 2.5 分。与其他模型比较。
每个点代表一种推理设置:横轴为每项 Artificial Analysis Index 任务的成本(对数刻度),纵轴为 BenchLeader Index。
Index 走势
2026年9月8日 至 2026年11月16日- max
- 默认
- high
- xhigh
Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | 无推理 | low | medium | high | xhigh | max | Pro 模式 | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|---|---|
| GPQA Diamond | – | – | – | – | – | 95.8%#3 | – | – | Epoch AI Benchmarking Hub | |
| Humanity's Last Exam推理强度未说明 | – | – | – | – | – | – | – | 54.8%#1 | Scale AI / CAIS | |
| SimpleBench | – | – | – | – | – | – | 86.5%#6 | 83.6%#7 | SimpleBench | |
| Arena Hard Prompts | – | – | – | – | – | 1500#36 | – | – | Arena (LMArena) | |
| LiveBench 2.0 Reasoning不计入 Index | – | – | – | – | – | 92.7%#2 | – | – | LiveBench | |
| LiveBench 1.0 Reasoning不计入 Index | – | – | – | – | – | 92.7%#1 | – | – | LiveBench | |
| GPQA Diamond (AA)不计入 Index | – | 93.1%#24 | 93.9%#10 | 95.0%#4 | 96.3%#1 | 96.1%#2 | – | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | – | 49.2%#36 | 52.7%#25 | 53.1%#22 | 54.6%#18 | 54.7%#17 | – | – | Artificial Analysis | |
| HLE-Diamond (AA) | – | 45.1%#32 | 52.7%#23 | 59.3%#14 | 61.5%#11 | 63.8%#9 | – | – | Artificial Analysis | |
| ARC-AGI-1 | 86.0%#114 | 96.5%#29 | 97.5%#14 | 98.5%#1 | 98.5%#1 | 97.5%#14 | – | – | ARC Prize | |
| ARC-AGI-2 | 59.6%#97 | 85.4%#35 | 92.1%#10 | 92.1%#10 | 93.3%#5 | 95.0%#1 | – | – | ARC Prize | |
| ARC-AGI-3 | 96.7%#15 | 98.0%#6 | 98.4%#4 | 99.9%#1 | 98.4%#4 | 98.6%#3 | – | – | ARC Prize | |
| CritPt不计入 Index | – | 26.3%#45 | 29.1%#25 | 28.9%#28 | 31.4%#11 | 31.7%#6 | – | – | Artificial Analysis | |
| CritPt v2 hard subset (AA) | – | 63.0%#20 | 72.0%#4 | 71.5%#5 | 71.0%#6 | 70.5%#7 | – | – | Artificial Analysis | |
| MysteryMechanism不计入 Index | – | – | – | – | – | 53.1%#1 | – | – | Vals AI | |
| HLE-Diamond (Scale)不计入 Index推理强度未说明可能存在污染 | – | – | – | – | – | – | – | 60.6%#2 | Scale AI SEAL | |
| Arena Expert不计入 Index | – | – | – | – | – | 1517#24 | – | – | Arena (LMArena) | |
| Chess Puzzles不计入 Index | – | – | – | – | – | 74.0%#4 | 76.0%#3 | – | Epoch AI Benchmarking Hub | |
| Mystery Game Puzzles不计入 Index | – | – | – | – | – | 84.0%#2 | – | – | Epoch AI Benchmarking Hub | |
| LMCA不计入 Index | – | 62.2%#34 | 62.9%#28 | 63.8%#23 | 64.4%#21 | – | – | 64.1%#22 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index | – | 94.9%#51 | 97.1%#22 | 96.5%#27 | 97.3%#14 | – | – | 97.1%#22 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index | – | – | – | 66.6%#2 | – | – | – | – | ForecastBench | |
| BTF-3不计入 Index | – | 13.5%#9 | – | – | – | – | – | – | Epoch AI Benchmarking Hub |
编程
智能体与工具
数学
| 基准测试 | 无推理 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|---|
| FrontierMath Tiers 1–3 | – | – | – | – | – | 93.7%#2 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | 82.9%#14 | 87.8%#12 | 97.6%#6 | 97.6%#3 | 97.6%#3 | 97.6%#3 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | – | – | – | – | – | 100.0%#1 | – | Epoch AI Benchmarking Hub | |
| ProofBench推理强度未说明 | – | – | – | – | – | – | 99.0%#5 | Vals AI | |
| LiveBench Mathematics不计入 Index | – | – | – | – | – | 96.8%#4 | – | LiveBench | |
| Arena Maths | – | – | – | – | – | 1481#38 | – | Arena (LMArena) | |
| FrontierMath Erdős不计入 Index | – | – | – | – | – | 2.9%#2 | – | Epoch AI Benchmarking Hub |
知识
指令遵循
| 基准测试 | max | 来源 | 趋势 |
|---|---|---|---|
| LiveBench Language不计入 Index | 89.4%#4 | LiveBench | |
| LiveBench Instruction Following不计入 Index | 75.6%#8 | LiveBench | |
| Arena Instruction Following不计入 Index | 1474#34 | Arena (LMArena) |
人类偏好
| 基准测试 | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Arena Text | 1474#42 | – | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 2177#1 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1451#38 | – | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1483#35 | – | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1485#38 | – | Arena (LMArena) |
多模态
| 基准测试 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|
| Arena Vision | – | – | – | – | 1279#38 | – | Arena (LMArena) | |
| LiveBench Design不计入 Index | – | – | – | – | 80.0%#6 | – | LiveBench | |
| MMMU-Pro | 84.6%#21 | 85.1%#13 | 86.4%#6 | 86.2%#7 | 86.9%#4 | – | Artificial Analysis | |
| Humanity's Sixth Sense不计入 Index | – | – | – | – | 53.6%#4 | – | Scale AI SEAL | |
| Blueprint-Bench 2不计入 Index推理强度未说明 | – | – | – | – | – | 49.7%#4 | Epoch AI Benchmarking Hub | |
| Furniture Assembly不计入 Index | – | – | – | – | 80.0%#3 | – | Epoch AI Benchmarking Hub | |
| VIALS-AA不计入 Index | – | – | – | – | 62.7%#3 | – | Handshake AI | |
| Code2Video-AA不计入 Index | – | – | – | – | 1427#3 | – | Artificial Analysis | |
| AA-3D不计入 Index | – | – | – | – | 1168#4 | – | Artificial Analysis | |
| FACTS Multimodal不计入 Index推理强度未说明 | – | – | – | – | – | 55.2%#4 |
长上下文
| 基准测试 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|
| AA-LCR v1.1 | 80.0%#88 | 79.7%#100 | 80.0%#88 | 80.0%#88 | 80.7%#74 | – | Artificial Analysis | |
| Arena Document不计入 Index | – | – | – | – | 1474#17 | – | Arena (LMArena) | |
| MLCR不计入 Index | 33.9%#10 | 38.3%#4 | 32.8%#12 | 36.1%#7 | 41.7%#2 | – | Artificial Analysis | |
| FACTS Grounding不计入 Index推理强度未说明 | – | – | – | – | – | 80.1%#3 |
综合
| 基准测试 | low | medium | high | xhigh | max | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | – | – | – | 169#3 | Epoch AI Benchmarking Hub | |
| LiveBench 2.0 | – | – | – | – | 84.5%#2 | – | LiveBench | |
| LiveBench 1.0不计入 Index | – | – | – | – | 82.2%#4 | – | LiveBench | |
| AA Intelligence Index v5.0.1不计入 Index | 43.3#37 | 51.5#19 | 54.9#11 | 55.3#10 | 56.9#8 | – | Artificial Analysis | |
| AA Intelligence Index v4.3.2不计入 Index | 45.8#36 | 49.6#23 | 50.9#18 | 52.4#11 | 52.7#9 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 335.1#27 | 344#13 | 347.4#10 | 348.4#9 | 349.6#7 | – | Artificial Analysis | |
| Vals Index不计入 Index | – | – | – | – | 65.0#8 | – | Vals AI | |
| Vals Finance Index不计入 Index | – | – | – | – | 55.6%#28 | – | Vals AI | |
| Vals RSI Index不计入 Index | – | – | – | – | 27.1%#8 | – | Vals AI | |
| Vals Science Index不计入 Index | – | – | – | – | 65.1%#1 | – | Vals AI | |
| Vals Router Index不计入 Index推理强度未说明 | – | – | – | – | – | 65.0%#4 | Vals AI | |
| Vals Legal Index不计入 Index | – | – | – | – | 68.4%#25 | – | Vals AI | |
| AA Cyber Index不计入 Index | – | – | – | – | 33.4#19 | – | Artificial Analysis |
安全与诚实
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| FORTRESS不计入 Index | 12.1%#9 | Scale AI SEAL | |
| DistressBench不计入 Index | 74.3%#14 | Scale AI SEAL |
GameBench 2 Overall: 88.8. GameBench 2, best reasoning setting (XHigh): 94.3. 仅供参考,不计入 BenchLeader Index。
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.
优势所在
在所有已测配置中,这个配置排名前五的基准测试。
- #1OTIS Mock AIME100.0% · 共 289 个
- #1IOI100.0% · 共 46 个
- #1ARC-AGI-295.0% · 共 265 个
- #2FrontierMath Tiers 1–393.7% · 共 123 个
- #2WeirdML93.3% · 共 159 个
- #2LiveBench 2.084.5% · 共 34 个
- #2Terminal-Bench 2.1 (Vals)87.3% · 共 75 个
- #3GPQA Diamond95.8% · 共 306 个
- #3FrontierMath Tier 497.6% · 共 79 个
- #3ARC-AGI-398.6% · 共 79 个
- #3DeepSec-Bench (AA)36.9% · 共 28 个
- #4SimpleQA Verified75.6% · 共 99 个
- #4FrontierCode53.3% · 共 46 个
- #4MMMU-Pro86.9% · 共 296 个
- #5Arena Coding1548 · 共 379 个
- #5Arena WebDev1764 · 共 150 个
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| OpenAI | 69 tok/s | 3.23 s | $20.00 | $100.00 | 1.1M | – |
| Amazon Bedrock | 64 tok/s | 11 s | $10.00 | $50.00 | 1.1M | – |
| OpenAI | 58 tok/s | 3.15 s | $5.00 | $25.00 | 1.1M | – |
| OpenAI | 39 tok/s | 4.76 s | $10.00 | $50.00 | 1.1M | – |
| Azure | 37 tok/s | 4.95 s | $10.00 | $50.00 | 1.1M | – |
| Azure | 28 tok/s | 3.42 s | $11.00 | $55.00 | 1.1M | – |
使用情况
GPT-6 Astra 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商
来源: 使用情况: OpenRouter 排名 · T3 Code via Slopalytics · 数据截至 2026年11月16日。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $1.00。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.019 | $0.016 | 3.4 min |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.150 | $0.069 | 3.5 min |
| 代码编辑 | 6,000 / 1,500 | $0.135 | $0.095 | 3.9 min |
| 智能体编程会话 | 60,000 / 4,000 | $0.800 | $0.395 | 4.9 min |
| 结构化信息提取 | 2,000 / 200 | $0.030 | $0.017 | 3.4 min |
包含该模型的编程套餐
可以使用 GPT-6 Astra 的订阅套餐,列出各自的用量限制和单项任务成本。
将 GPT-6 Astra 与以下模型对比
- GPT-6 Astra vs GPT-6.1 Sol
- GPT-6 Astra vs Gemini 4 Argon
- GPT-6 Astra vs Claude Fable 5.2
- GPT-6 Astra vs Gemini 4 Carbon
- GPT-6 Astra vs Claude Fable 5.1
- GPT-6 Astra vs Claude Haiku 5.5
- GPT-6 Astra vs Claude Opus 5
- GPT-6 Astra vs Qwen3.8-Flash-Next
- GPT-6 Astra vs GPT-5.5
- GPT-6 Astra vs Gemini 3 Pro
- GPT-6 Astra vs Muse Wonder Full
- GPT-6 Astra vs Qwen3.7 Plus
- GPT-6 Astra vs Grok 4
- GPT-6 Astra vs GPT-6.1 Terra
- GPT-6 Astra vs Grok 4.7
- GPT-6 Astra vs Qwen3.8 Max
- GPT-6 Astra vs Claude Opus 5.5
- GPT-6 Astra vs Dola Seed 2.0 Pro
- GPT-6 Astra vs Grok 4.6
- GPT-6 Astra vs MiMo-V2.6-Pro
- GPT-6 Astra vs Grok 4.20
- GPT-6 Astra vs Grok 4.3
- GPT-6 Astra vs GPT-6 Luna
- GPT-6 Astra vs Claude Sonnet 5
- GPT-6 Astra vs GLM 5.3
- GPT-6 Astra vs Muse Spark
- GPT-6 Astra vs GPT-5.2
- GPT-6 Astra vs Kimi K3.1 Pro Together
- GPT-6 Astra vs GLM-5
- GPT-6 Astra vs Kimi K2.5
- GPT-6 Astra vs Grok 4.20 Multi-Agent
- GPT-6 Astra vs DeepSeek V4.1 Flash 1017
- GPT-6 Astra vs Mimo v2 Omni
- GPT-6 Astra vs Inkling 2 Small
- GPT-6 Astra vs Step 5 Preview
- GPT-6 Astra vs Claude Fable 5
- GPT-6 Astra vs Muse Spark Open
- GPT-6 Astra vs Gemini 3.5 Flash
- GPT-6 Astra vs Qwen3.6 Max
- GPT-6 Astra vs Kimi K3.1 Pro
- GPT-6 Astra vs MiniMax M3.1 Flash
- GPT-6 Astra vs DeepSeek V4 Pro 0424
- GPT-6 Astra vs GPT-5.6 Sol
- GPT-6 Astra vs Muse Wonder
- GPT-6 Astra vs Claude Sonnet 5.5
- GPT-6 Astra vs Gemini 4 Hydrogen
- GPT-6 Astra vs Claude Opus 4.7
- GPT-6 Astra vs GPT-5.4 Pro
- GPT-6 Astra vs GPT-5.4
- GPT-6 Astra vs GPT-5.3-Codex
- GPT-6 Astra vs GPT-6 Sol
- GPT-6 Astra vs Claude Opus 4.6
- GPT-6 Astra vs Muse Spark 1.1
- GPT-6 Astra vs Gemini 3.7 Flash
- GPT-6 Astra vs Muse Spark 1.3
- GPT-6 Astra vs Muse Spark 1.2
- GPT-6 Astra vs Muse Spark Open 816B A42B
- GPT-6 Astra vs MiMo-V2.6-Flash
另请参阅
嵌入或引用
在模型卡片或 README 中展示 GPT-6 Astra 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/gpt-6-astra)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). GPT-6 Astra on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gpt-6-astra
BibTeX:
@misc{benchleader_gpt_6_astra_20261116,
author = {{BenchLeader}},
title = {{GPT-6 Astra on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/gpt-6-astra}},
note = {Data as of 2026-11-16}
}常见问题
- GPT-6 Astra 的基准测试得分是多少?
- 截至 2026年11月16日,GPT-6 Astra(推理强度 max)的 BenchLeader Index 为 67.3 ±3.0(前 10 名)。最强的是编程(73),最弱的是智能体与工具(64)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- GPT-6 Astra 排名第几?
- 截至 2026年11月16日,GPT-6 Astra(推理强度 max)在 608 个已排名配置中排第 6 名(前 10 名)。另有 39 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- GPT-6 Astra 每百万 token 的价格是多少?
- 截至 2026年11月16日,GPT-6 Astra 的价格为输入每百万 token $10.00、输出每百万 token $50.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $20.00。
- GPT-6 Astra 比 GPT-6.1 Sol 更好吗?
- 截至 2026年11月16日,GPT-6.1 Sol(推理强度 max)与 GPT-6 Astra(推理强度 max)的质量不相上下(BenchLeader Index 66.6 比 67.3,在 ±3.6 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- GPT-6 Astra 是什么时候发布的?
- OpenAI 于 2026年9月2日发布了 GPT-6 Astra。BenchLeader 收录了它在 8 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《GPT-6 Astra:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gpt-6-astra。