📌 AI_Art 💨 剛冒煙 💬

GPT6 Astra發布跑分榜混亂了

👤 error405 (流河=L) 🕐 Fri Sep 4 07:43:18 2026

▲ 7 推 ▼ 0 噓 → 14 回應

分享 LINE f 𝕏

🔔 追這個瓜，別錯過後續

挑下面的關鍵字追蹤——只要爆了、有後續 或延燒，第一時間通知你

https://x.com/ArtificialAnlys/status/209559548…

GPT-6 Astra 是 OpenAI 於 2026 年 9 月 3 日正式發布的新一代旗艦模型（model ID：gpt-6-astra），被官方定位為「世界上最智能且最對齊（aligned）的模型」。它強調可執行電腦上幾乎任何操作（computer use），並在瀏覽、軟體工程、網路安全、科學與專業工作等領域達到新 SOTA。

核心特點與能力

電腦使用與代理能力**：能自主操作桌面、瀏覽器、填表、更新 CRM、排程、研究、生成文件／簡報／試算表、PCB 設計（KiCad）、3D 建模（Blender → Unreal）、遊戲開發等。OSWorld 2.0 得分約 72.6%（比前代 GPT-5.6 Sol 的 65.7% 高，且時間約少 47%）。Agents’ Last Exam、AutomationBench、ScreenSpot Pro 等均達 SOTA。

科學與數學**：FrontierMath Tier 4 約 97.6–98%、ARC-AGI-3 約 99.9%、

Terminal-Bench Science 0.1 等領先；已協助解決多個長期未解數學問題。

軟體工程與編碼代理**：Artificial Analysis Coding Agent Index 得分約 67，與Claude Fable 5 相當，但 token 效率大幅提升（約為前代的 1/3），成本效益更好。網路安全**：達到 OpenAI Preparedness Framework 的「Critical」級別（首個達此門檻的模型），ExploitBench 100%。進階 exploit 能力初期受限於 Daybreak 等防禦用途計畫。

對齊與安全**：意圖理解大幅提升、越權行為大幅下降（新評估中 0% 越權 vs 前代約48%）、抗 jailbreak／prompt injection 更強、幻覺率顯著降低（AA-Omniscience 從約 92% 降至 51%）。同時加強內部監控與部署防護。

其他規格**：支援文字 + 圖像輸入、文字輸出；context window 約 1.05M tokens；推理等級含 low / medium / high / xhigh / max；支援 async tool calling、computer use 等。知識截止約 2026 年 4 月。

定價**（API）：輸入 $10 / 百萬 tokens、輸出 $50 / 百萬 tokens（約為前代

GPT-5.6 Sol 的 2.5 倍），cached input 有折扣。因 token 效率提升，部分任務實際成本可能仍具競爭力。

推出時程**：2026 年 9 月 3 日先向有限組織／Trusted Access / Daybreak 開放；之後數日陸續對 ChatGPT Plus、Pro、Business、Enterprise 用戶，以及 OpenAI API 與AWS 開放。建議搭配 ChatGPT 桌面版以獲得最佳體驗。

優點

電腦使用與多步驟代理工作流程表現突出，速度與準確度兼具，適合專業／知識工作自動化。意圖理解與對齊大幅改善，較少越權或產生破壞性行為，長對話連貫性更好。

數學、科學、網路安全、CAD、專業基準多項 SOTA，token 效率高（尤其編碼代理）。幻覺減少、準確度提升，產出更實用（文件、簡報、程式等更貼近商業標準）。

支援多 agent 協調（如 Manager Loop），長程任務能力提升。

缺點

價格較高**：每 token 價格明顯上漲，雖然效率提升可部分抵消，但高強度使用成本仍可能更高（Artificial Analysis 指出 Intelligence Index 任務成本約貴 75%）。部分基準表現混合：Intelligence Index 與前代相近（約 61），落後 Claude Fable 5.1 等；某些長程知識工作或特定評估有回退。

速度可能偏慢（大模型特性），視覺品味／設計類任務仍可能輸給 Claude。

進階網路安全能力初期受限，長程完全自主仍需良好 prompt 與協調設定。

剛發布，廣泛真實用戶回饋有限，部分功能仍在逐步開放。

目前網路評價（截至 2026 年 9 月 3 日發布當天）

獨立分析機構 Artificial Analysis 指出：編碼代理指數大幅進步、token 效率高、成本效益佳（可媲美或優於 Fable 5），幻覺大幅下降；但 Intelligence 指數與前代持平，價格上漲抵消了效率優勢。

早期使用者與評測（如 Something Big、Latent Space、Box 等）：

普遍稱讚為「日常主力推薦」、意圖理解優秀、工程與電腦使用可靠，甚至被形容為「可僱用的 AI 工程師」（低於每小時 $6 的有效成本）。

企業複雜多文件任務準確率提升（如 Box 測試 77% vs 前代 74%）。

有人覺得「慢一點但更聰明可靠」、視覺設計仍偏好 Claude；也有人直接抱怨「貴得誇張」。社群氣氛以興奮為主，同時關注安全與推出節奏；部分人等待更廣泛開放後再深入比較。

整體而言，GPT-6 Astra 被視為電腦使用與代理能力的代際躍升，尤其適合需要實際操作電腦、長程專業工作與高對齊需求的場景。若你主要做日常聊天或成本敏感任務，可能需權衡價格；若重視自動化與可靠代理，則是目前的強勢選項。建議關注官方 rollout 進度與更多獨立評測。

Grok整理

最新最強的GPT跑分榜居然輸給祖克伯現在不少人變成開始質疑榜單可信度了