GPT‑6 Astra 在 Artificial Analysis 评测指数呈现两极表现。

Coding Agent Index（代码智能体）
性能对标 Claude Fable 5，令牌效率大幅提升，较 GPT‑5.6 Sol 高70%，令牌消耗仅为前者一半。同等得分下，成本不到 Fable 5 的一半，站上代码任务成本效率前沿；Fable 5.1 依旧以70分领跑榜单。

Intelligence Index（综合智能）
综合得分61分，和 GPT‑5.6 Sol持平，低于 Claude Fable 5.1、Muse Spark 1.3。虽然输出令牌用量下降约10%，但定价直接涨到前代2.5倍：输入10美元/百万token、输出50美元/百万token（旧版4/20美元）；缓存读取90%折扣保留，缓存写入加收25%溢价。令牌节省完全被涨价覆盖，单任务成本反而高出75%。

亮点：幻觉率腰斩，由92%降至51%，同时准确率上涨4分；长周期知识工作基准 AA‑Briefcase Elo提升80分，多任务、多源文件项目处理变强，但展示输出能力不及 GPT‑5.6 Sol。

表现喜忧参半：Humanity’s Last Exam上涨6分；GDPval‑AA v2 Elo回落约80分；银行客服、科学代码、超长文档推理等小项出现2‑3分退步。