GPT-6 Astra 发布，标题一个比一个猛："欢迎来到 AGI 时代"、"吊打 Claude"。
我把两边跑分对了一遍账，结论先放这：
牛不牛，取决于看谁出题。官方口径领先是真的，但第三方统考还没超 Claude。
官方出题：领先集中在三个赛道
OpenAI 自己测的，数学和科研是真量级差：
- FrontierMath T4：97.6% vs Claude Fable 5.1 的 87.8%
- Terminal-Bench Science 0.1：64.6% vs 52.6%
- 网络安全：达到自家 Critical 阈值，ExploitBench 满分
注意：ARC-AGI-3 的 98.6% 带脚注——改了两个 harness 设置；ExploitBench 带"可能污染"警告
第三方统考：打平偏下风
Artificial Analysis 的数据是另一回事：
| 指标 | Astra | Fable 5.1 | Opus 5 |
|---|---|---|---|
| 智能指数 | 61.2 | 65.7 | 63.1 |
| 编程 Agent 指数 | 67.0 | 67.2 | 68.1 |
| HLE 带工具 | 57.2% | 65.0% | — |
官方对比图里，这几项基本没出现。领先最大的进主图，打平落后的放附录——这招各家通用
比跑分更实在的信号：价格涨了 150%
- Astra：输入 50（每百万 token），Fast 模式翻倍
- GPT-5.6 Sol：促销价 20，延续到 11/21
- Claude Fable 5.1：50，跟 Astra 同价
三方价格一摆就明白了：OpenAI 一面喊 AGI，一面不敢放弃价格战。旗舰涨价，促销款继续承接流量。第三方按实际 token 算，Astra 单任务成本比 Sol 高约 75%。
给你的三个实操建议
- 别转官方对比图当结论，等独立复测
- 数学/科研/安全：Astra 是真香，冲
- 通用 Agent/知识工作：两边差距不大，看价格和缓存策略下单
一句话：跑分决定它值不值得关注，任务匹配和真实成本才决定你该不该掏钱。 等第三方复测出来，我再用实际任务跑一遍对比。
