@j_dekoninck: GPT-6-Astra 在 MathArena 荣登榜首，预期性能高达90%！同时，它的令牌效率也非常高：…
摘要
GPT-6-Astra 在 MathArena 上以90%的预期性能和高令牌效率夺得第一。
GPT-6-Astra 在 MathArena 上夺得第一，预期性能高达90%！它也非常注重令牌效率：平均每个问题仅使用12k令牌处理 BrokenArXiv 和 ArXivMath。https://t.co/ydbdtRC8OT
查看缓存全文
缓存时间: 2026/09/07 19:12
GPT-6-Astra在MathArena夺得第一名，展现出高达90%的预期表现！其token使用效率也非常高：在BrokenArXiv和ArXivMath数据集上，平均每道题仅需12k token。https://t.co/ydbdtRC8OT
相似文章
GPT-6.1 Sol 以 86.3% 的准确率、$0.94 的成本登顶 MathArena，超越 Astra 的 81.9%（$2.26）
GPT-6.1 Sol 以仅 $0.94 的成本取得 86.3% 的准确率，成功登顶 MathArena，超越 Astra 在 $2.26 成本下取得的 81.9% 成绩。这一结果凸显了前沿模型在数学推理性能和成本效益方面的重大进步。
@VraserX：在逐 token 对比下，GPT-6 Astra 不仅击败了 Opus 5.5，而是彻底碾压了它。Astra High 每个任务使用约 12k tokens。Opus……
一条推文猜测 GPT-6 Astra 的 token 效率是 Opus 5.5 的 5.5 倍（每任务约 12k 对约 66k tokens），并暗示 OpenAI 可能还藏有一个尚未发布的更强大内部模型。
@reach_vb: Astra 在 MazeBench 上以巨大优势达到最先进水平:
Astra 在 MazeBench 上取得了最先进的性能，在3D开放世界空间推理评估中显著超越了 GPT-6。
GPT‑6 Astra
OpenAI 发布 GPT‑6 Astra，在安全任务和长上下文处理方面表现出色，在 ARC-AGI 3 上达到 99.9%，尽管在某些基准测试上仍落后于 Claude Fable。
GPT-6 Astra 基准测试
本文介绍了OpenAI的GPT-6模型的基准测试，使用Astra基准测试系统评估其性能。