GPT-6 Astra：Artificial Analysis 六档推理智能、速度与成本对照

一句话结论

Artificial Analysis 的同页六档对照显示，Astra Max 智能指数最高但单任务成本也最高，Low 的首 token 延迟和成本最低，适合按任务价值分层路由而非统一使用最高档。

适用场景

• 适合的任务：在 Astra 的 Low、Medium、High、XHigh、Max 和该站标记的 Non-reasoning 变体之间做初步路由，比较综合智能、生成速度和每任务成本。

• 不适合的任务：用综合指数代替特定代码库、浏览器、法律或医疗任务的验收；页面数据也不等同于 SLA。

• 适用的模型版本：Artificial Analysis 页面在 2026-09-08 展示的 GPT-6 Astra 六个测试配置。

• 适用的客户端、Agent 或 API：页面称速度取第一方 API；具体请求参数、重复次数和模型快照需结合其方法页进一步核对。

• 推荐的推理档位和参数：低风险、低延迟或成本敏感任务先测 Low；需要更高综合分时测试 High/Max，并用任务级成功率判断额外成本是否值得。

测试环境、输入与配置

• Intelligence Index v4.3 组合 10 项评测：AA-Briefcase、GDPval-AA v2、AutomationBench-AA、Terminal-Bench v4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。

• 每任务成本是加权平均：各评测的输入、缓存命中、缓存写入、推理和答案 token 价格除以任务数，再按 Intelligence Index 权重汇总。

• 输出速度定义为收到首个 API chunk 后的生成 tokens/s；第一方模型使用第一方 API 表现。

• 页面没有在可见正文中提供每道输入、随机种子、重复次数、置信区间或失败日志。

原始数据

页面同时显示：Low 的 time to first answer token 最低，为 2.55 秒；六档每任务成本相差最多约 4 倍。进一步信息表中六档上下文均为 1M，列出的综合 token 价格字段均为 $7.7，不能把该字段与上表的“每评测任务成本”混为一谈。

作为同站同版本的相邻发布对照，页面列出 GPT-5.6 Sol 最高 Intelligence 为 47、Terra 为 42、Luna 为 38；这些是各发布系列的最高值，不是相同 effort 的逐档对照。

结论与适用边界

Max 相对 High 增加 2 分但每任务成本从 $1.72 升到 $3.26；XHigh 与 Max 在采集快照中同为 53 分，但 XHigh 的速度和成本更低。这个结果支持先用 High 或 XHigh 做候选，再对最难任务验证 Max，而不是默认最高档。

页面把一个配置标为 Non-reasoning，但 OpenAI 官方模型指南在同一采集日明确说 GPT-6 Astra 不支持 none reasoning effort。两者的标签或测试路径可能不同；在 Artificial Analysis 未公开该标签的精确 API 请求前，不应据此向 OpenAI API 发送 none。

这是动态榜单快照。采集过程中搜索缓存曾显示与当前页面不同的分数，最终以直接打开原始页面后可见的 2026-09-08 数据为准。后续复核必须记录采集日期和 Index 版本。

复现步骤

1. 锁定 Intelligence Index v4.3、10 项组成评测、题集版本、权重和评分脚本。

2. 固定 OpenAI 模型快照、请求端点、reasoning effort、上下文、缓存策略、最大输出和重试规则。

3. 对每档运行同一题集并保存逐题输入、输出、评分、输入/缓存写入/缓存读取/推理/答案 token、首 token 延迟和生成速度。

4. 按页面公开的加权公式重算每任务成本，并报告重复次数、均值、离散程度和失败率。

5. 在目标业务任务上补充成功率和人工验收时间，因为综合指数相近不代表生产工作流成本相同。