GPT-6 Astra

GPT-6 Astra 今日起向有限的组织推出，未来几天将向所有 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，同时也可通过 OpenAI API 和 AWS 使用——我本人尚未试用，因此暂时没有太多可说的。其 API 定价与 Claude Fable 5 和 5.1 相同：输入每百万 token 10 美元，输出每百万 token 50 美元。这显然是 OpenAI 对标 Fable 的产品，且在 OpenAI 自行报告的多数 benchmark 上得分高于 Fable。最引人注目的是，Astra 在近期（3 月发布）的 ARC-AGI 3 benchmark 上取得 99.9% 的得分——不过值得注意的是，Fable 5 尚未公布结果，且 ARC-AGI 博客指出，99.9% 的得分是在 1.9 万美元成本下使用 OpenAI 自定义的“Provider Adapter harness”实现的，而默认 ARC-AGI harness 的得分为 62.7%，成本为 2.6 万美元。Provider Adapter harness 在请求之间保留不透明的推理状态，并使用压缩处理更长对话，使模型能够复用先前的工作。

考虑到近期 Hugging Face 事件，Astra 在安全任务上的表现毫不意外地强劲。它在 ExploitBench 上得分 100%（GPT-5.6 Sol 为 78.5%），在 ExploitGym 上得分 42.4%（Sol 为 30.3%），在 SRE-Bench 二进制逆向工程上四次尝试内得分 99.2%，而 Sol 为 68.7%。它在长上下文方面也更优：在 OpenAI 的八针 benchmark 上，256K–512K token 范围内得分 100%，512K–1M token 范围内得分 96.3%。OpenAI 或许已攻克长上下文处理中的持续挑战之一。

不过它并非在所有方面都胜出。Artificial Analysis 指出，Astra 在其 Intelligence Index 上仍不及 Fable：GPT-6 Astra 在该指数上得分 61，与 GPT-5.6 Sol 持平，比 Claude Fable 5.1（含 fallback 的最大值）低 5 分。该模型也落后于 Meta 新发布的 Muse Spark 1.3（最大值）。它在 Coding Agent Index 上表现更好：在最大 effort 下，GPT-6 Astra 的成本与 GPT-5.6 Sol（max）大致相当，而指数得分高出 2 分。按任务计，在相同得分下，该模型的成本不到 Claude Fable 5 的一半。

我将在获得访问权限后进一步介绍 Astra。API 模型标签推出后将为 gpt-6-astra。OpenAI 的博客持续返回 500 错误，不过我在 Hacker News 上找到了该帖的镜像。

--> 来自 Hacker News

标签：ai、openai、generative-ai、llms、llm-release