大模型世界

GPT-6 Astra

OpenAI的全部模型 →国外视觉模型综合智力第 1 名

全世界综合智力第一的模型

加入对比查看评测视频查看评测文章
聪明世界#1
编程顶尖
记性1.1M
便宜$50

记性换算成体感：一次能读完《哈利·波特》全七部

GPT 系列的视觉模型 · 按发布时间

共 55 个 · 这里是相邻的 7 个 · OpenAI的全部模型 →
  1. 2026.07GPT-5.6 TerraECI 160.1
  2. 2026.07GPT 5.6 Terra PRO未参评
  3. 2026.08GPT-5.6 Cyber未参评
  4. 2026.09GPT-6 AstraECI 169.1
  5. 2026.09GPT-6 Astra (Fast)未参评
  6. 2026.09GPT 6 Astra PRO未参评
  7. 2026.09GPT-6 LunaECI 156.8

她的房间

编程能力：盖着布的桌子
电脑
没有公开的编程评测成绩
上下文窗口
书架
5 层 · 记忆 1.1M tokens
数学与科学推理成绩
黑板
数学与科学推理
知识截止日期
日历
知识停在 2026-04-30
上下文缓存
冰箱
支持上下文缓存，能存记忆
闭源
门禁
闭源，权重不公开

身世

发布日期
2026 年 9 月 3 日epoch.ai
知识截止
2026-04-30
参数量
体型为估算值，官方从未公布参数量
开放权重
否
开源许可
暂无数据
上下文窗口
1.1M tokens
单次最大输出
128K
输入价格
$10 / 百万 tokens
输出价格
$50 / 百万 tokens
模型类型
视觉除了文字还能看图片或视频，输出文字
支持的输入
图像、文件、文字 → 文字
工具调用
是
深度思考
是
提示缓存
是

战绩

综合智力
169.1
AIME 数学
100.0%
GPQA Diamond 科学
95.8%
ARC-AGI-2 抽象推理
95.0%
Fiction.liveBench 长文本
未参评

综合智力、数学、科学、抽象推理与长文本数据来自 Epoch AI（CC-BY 4.0）。写「未参赛」的项目表示该模型没有被这项评测收录， 不代表它做不到——本站不会用估算值填补空缺。

编程战绩（按赛制分列）

  • DeepSWE74.1%
    SWE-bench Verified 的一个变体测法，用不同的 agent 脚手架跑同一批题。第三方实测
    https://deepswe.datacurve.ai/
  • Terminal-Bench57.9%
    把模型丢进一个真实终端里让它自己干完一件活——装环境、跑脚本、调错。考的是当「实习生」的本事，不只是写代码。厂商自报
  • FrontierCode53.3%
    Cognition 出的高难度代码题集，面向前沿模型。第三方实测
    https://cognition.com/frontiercode
  • ALE-Bench2951
    AtCoder 启发式算法竞赛题，考的是给一个没有标准答案的优化问题找出尽量好的解。分数是 137–2177 的评分标度，不是百分比。和「修 bug」是两种能力。第三方实测
    https://epoch.ai/benchmarks
  • GSO77.5%
    代码性能优化测试：在保持功能不变的前提下把真实项目跑得更快。第三方实测
    https://epoch.ai/benchmarks
  • MirrorCode60.0%
    Epoch AI 自测的一项代码评测。第三方实测
    https://epoch.ai/benchmarks
  • WebDev Arena1800 Elo
    让两个模型各写一个网页，由人来投票选哪个更好，按对战胜负算 Elo 分。考的是前端开发的实际观感，和「能不能修复一个后端 bug」不是一回事。第三方实测
    https://epoch.ai/benchmarks

这些分数不可互相比较。同一个模型换一套评测脚手架就能差二三十分： SWE-bench Verified 的中位数是 75.7，而难度更高的 SWE-Bench Pro 只有 41.0。 广场上的能力条因此显示的是「在同一把尺子下排第几」，而不是分数本身。

全部成绩（按榜单分列）

名次的分母是在同一个榜、由同一类测量方测过的模型数，不是全站模型数。不同榜的分数不可互相比较。

综合
数学
知识与推理
  • HLE 终极考试54.8%第 1 / 62
    Humanity's Last Exam，各学科专家出的刁钻题，专为难住模型而设计。能过四成就是当今顶尖。第三方实测
    https://lastexam.ai/
  • GPQA 科学95.8%第 2 / 215
    博士级别的物理、化学、生物选择题，题目设计到「谷歌也搜不到答案」。随机乱猜是 25 分。第三方实测
    https://epoch.ai/benchmarks
  • ARC-AGI-295.0%第 1 / 122
    看几组图形样例找规律的智力题，人类轻松、模型艰难。专门测「没见过的题会不会做」。第三方实测
    https://epoch.ai/benchmarks
  • ARC-AGI（第一代）98.5%第 1 / 121
    ARC-AGI 的第一代题库，已被第二代取代。第三方实测
    https://arcprize.org/
  • SimpleQA 事实问答75.6%第 2 / 109
    一问一答的冷门事实题，测的是「知不知道」和「会不会瞎编」。分数低的模型更容易一本正经地胡说。第三方实测
  • CritPt 物理31.7%第 2 / 192
    研究级别的物理问题，由在职物理学家出题。测的是能不能做前沿科研级的推理。第三方实测
  • WeirdML93.6%第 1 / 151
    一批刻意古怪的小型机器学习任务，模型要自己写代码训练并拿到成绩。考的是解决陌生问题的能力。第三方实测
    https://htihle.github.io/weirdml.html
智能体
  • 经营售货机$15,515第 1 / 101
    Vending-Bench：让模型经营一台虚拟售货机一整年——进货、定价、付租金。分数是最后账上的钱，考的是长期不犯糊涂。第三方实测
    https://andonlabs.com/evals/vending-bench
  • APEX 专业任务64.7%第 11 / 68
    投行、律所、咨询公司的真实工作任务，由业内专家出题与评分。第三方实测
  • 远程工作指数20.8%第 2 / 23
    Remote Labor Index：从自由职业平台上取的真实外包项目，看模型能独立交付多少。分数普遍很低，说明离「替代远程工作者」还远。第三方实测
  • BlueprintBench49.7%第 3 / 39
    看房屋照片画出平面图，测空间理解与工程绘图能力。第三方实测
    https://andonlabs.com/evals/blueprint-bench-2
游戏与谜题
其他

B 站上的 GPT-6 Astra 实测3 个视频

在 B 站搜「GPT-6 Astra 测评」↗

以上为 B 站搜索结果，按播放量排（站长的视频置顶），内容由各 UP 主提供，不代表本站观点。