OpenAI 发布 GPT-6 Astra，ARC-AGI 3 得分 99.9%

GPT-6 Astra“今日起向一小部分组织开放，并在未来几天内向所有 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，同时也可通过 OpenAI API 和 AWS 使用”——我本人还没有试用过，所以暂时没有太多可说的。

它的 API 定价将与 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，而且在 OpenAI 自行报告的多数基准测试中，其得分似乎都高于 Fable。

最令人印象深刻的是，Astra 在近期（3 月发布）的 ARC-AGI 3 基准测试 中取得了 99.9% 的得分——不过值得注意的是，Fable 5 尚未公布测试结果，而且 ARC-AGI 博客指出，99.9% 的得分是在花费 1.9 万美元、使用 OpenAI 自有的“Provider Adapter harness”评测框架下取得的，而默认 ARC-AGI 评测框架下的得分为 62.7%，花费 2.6 万美元。

Provider Adapter 评测框架会在请求之间保留不透明的推理状态，并对较长的对话使用压缩处理，使模型能够复用之前的工作成果。

考虑到 最近的 Hugging Face 事件，Astra 在安全任务上表现出色并不令人意外。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 二进制逆向工程任务中，四次尝试内得分 99.2%，而 Sol 为 68.7%。

它在长上下文方面也更出色：在 OpenAI 的八针基准测试中，它在 256K–512K token 长度下取得 100% 的成绩，在 512K–1M token 长度下取得 96.3% 的成绩。OpenAI 或许已经攻克了长上下文处理中长期存在的一大难题。

不过它并非在所有方面都胜出。Artificial Analysis 指出，Astra 在 Intelligence Index 上仍被 Fable 击败：

智能水平与 GPT-5.6 Sol 比肩：GPT-6 Astra 在该指数上得分 61，与 GPT-5.6 Sol 持平。这比 Claude Fable 5.1（含回退的最高分）低 5 分。该模型也落后于 Meta 新发布的 Muse Spark 1.3（最高分）。

它在 Coding Agent Index 上的表现则更好：

领跑 Coding Agent Index 成本效益前沿：在最大努力模式下，GPT-6 Astra 的成本与 GPT-5.6 Sol（最大努力）大致相当，而在该指数上的得分高出 2 分。在取得相同得分的情况下，该模型每项任务的成本不到 Claude Fable 5 的一半。

等我获得 Astra 的访问权限后，会再写更多相关内容。该 API 模型一旦上线，其标签将是 gpt-6-astra。