一張逐行點名 Anthropic 的對照表
香港時間 9 月 4 日凌晨，OpenAI 向一批指定企業客戶開放新旗艦模型 GPT-6 Astra，形容它是「世界上最智能、最對齊的模型」。
隨發布一同公開的，是一張十四行的基準測試對照表。每一行都並排列出 Claude Fable 5.1、Claude Fable 5、Claude Opus 5 與 Gemini 3.8 Flash 的分數。
測試項目 | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 |
|---|---|---|---|
ARC-AGI-3 | 98.6% | 7.8% | 沒有列出 |
FrontierMath Tier 4 (v2) | 97.6% | 83.0% | 87.8% |
BenchCAD | 95.9% | 83.3% | 84.3% |
DeepSWE v1.1 | 74.1% | 70.8% | 67.4% |
Terminal-Bench Science 0.1 | 64.6% | 22.4% | 52.6% |
GPQA Diamond | 96.0% | 94.6% | 93.7% |
ExploitBench | 100.0% | 78.5% | 沒有列出 |
SRE-Bench（四次嘗試） | 99.2% | 68.7% | 沒有列出 |
在電腦操作測試 OSWorld 2.0 的離線子集，Astra 取得 72.6%，每項任務約 40 分鐘；同門的 GPT-5.6 Sol 取得 65.7%，每項約 75 分鐘。
真正沒有公開的那個分數
GDPval 沒有出現在這張表上。
那是 OpenAI 自己設計的測試，量度模型在 44 個知識型行業裏完成實際工作的表現，也是這間公司過去用來說明模型有經濟價值的那一把尺。一張把六個模型並排比到小數點後一位的表，偏偏漏走自家那一把。
獨立測試那邊的畫面也不完全一樣。Vals AI 用自己的 SWE-bench Verified 環境跑出來的結果，是 GPT-5.6 Sol 96.2%、Claude Opus 4.8 88.6%；Astra 暫時未有同一環境下的成績。
第一個踩到 Critical 這條線的模型
9 月 1 日，OpenAI 在一篇名為「Path to Astra」的文章裏承認，Astra 已經到達自家 Preparedness Framework 裏網絡安全能力的 Critical 級別：在有工具和權限的情況下，它可以在無人逐步指導之下找出未曾公開的保安漏洞，並且寫出利用方法。這是 OpenAI 第一個被評到這一級的模型，也是 ExploitBench 那個 100% 的來源。
Greg Brockman 說 AGI 時代來了
OpenAI 總裁 Greg Brockman 為發布定調：「Welcome to the AGI era。」
被問到 Astra 本身是否已經算 AGI，他答「For me personally, I do think we're there」，同時承認 AGI 是「一件灰色、模糊得多的事」。
但那條 AGI 條款，4 月已經刪走
Coin Bureau 那則貼文的最後一句說，OpenAI 與 Microsoft 及 Amazon 的合約裏有 AGI 條款，一旦正式宣布達成 AGI，就會改寫這兩段合作關係。
這一句已經過期四個月。
2026 年 4 月 27 日，Microsoft 與 OpenAI 重寫協議。那條 2019 年寫下、容許 OpenAI 董事會一宣布達成 AGI 就切斷 Microsoft 取用權的條款，正式刪走。取而代之的是一張非獨家授權，年期固定到 2032 年，OpenAI 要分給 Microsoft 的兩成收入亦設了上限。據 TechCrunch 報道，正是這一次改寫，才令 OpenAI 的模型上得到 AWS Bedrock。
Amazon 那邊是另一回事：那是一份七年、380 億美元的雲端運算合約，公開報道裏沒有同類條款。
所以 Greg Brockman 現在可以在台上說 AGI 時代來了，而不需要驚動任何一份合約。同一句話在四個月前說出口，代價完全不同。
那 10 條數學難題，是 8 月 1 日的事
貼文把「解開 10 條數十年無人攻破的數學難題」列作發布當日拿出來的證據。
實情是 OpenAI 8 月 1 日已經公開這項結果，並且用它替新一代模型改名做 Astra。那批證明寫成 Lean 格式，證明檔案放上 GitHub 開放授權，任何人都可以下載自己跑驗證器，涵蓋群論、高維幾何、編碼理論、量子複雜度、格密碼學與極值組合學。
至於流傳最廣的「只花 2,000 美元」，那個數字計的是成功那幾次的 API 用量，即是公開一條證明的成本，不是找到它的成本。
逐項核對
貼文說法 | 實情 |
|---|---|
沒有公開標準基準測試對比 | 錯。十四行對照表，逐行列出 Claude 三個型號與 Gemini 3.8 Flash |
Claude Fable 5 在 BenchLM 與 SWE-bench 都勝過 OpenAI | 部分錯。Vals AI 的 SWE-bench Verified 環境是 GPT-5.6 Sol 96.2%、Claude Opus 4.8 88.6% |
ExploitBench 取得 100% | 對 |
安全團隊評為 Critical | 對，9 月 1 日已公開 |
解開 10 條數學難題 | 對，但那是 8 月 1 日的事，亦是 Astra 這個名字的由來 |
Microsoft 與 Amazon 合約有 AGI 條款 | 錯。Microsoft 那條 4 月 27 日已刪走，Amazon 合約沒有公開紀錄 |
定價與供應
Astra 標準模式收費是每百萬 input token 10 美元、每百萬 output token 50 美元；快速模式是 20 美元與 100 美元。發布當日先經企業計劃 Daybreak 開放，之後才輪到 ChatGPT Plus、Pro、Business 與 Enterprise，以及 AWS Bedrock 和 Microsoft Azure。
這次公開的分數比以往任何一次都多，而唯一缺席的那一把尺，是 OpenAI 自己造的。
No comments yet
提交留言即表示你已閱讀我們的私隱政策。