GPT-6 Astra

判断

决定采购的团队该把比较口径从「榜单名次」换成「跑分用的那套 harness」：99.9% 的 ARC-AGI 3 只在 OpenAI 自建的 Provider Adapter harness 下成立，默认 harness 只有 62.7%。

依据

Simon Willison 在 9月3日的链接帖里写明自己还没试过 Astra，所以他的判断只到定价那一层：每百万输入 10 美元、输出 50 美元，与 Claude Fable 5 和 5.1 同价。需要拆开看的是把 99.9% 撑起来的那套脚手架。ARC-AGI 博客指出，99.9% 是在 OpenAI 自建的 Provider Adapter harness（一种外挂适配层）下、花 19K 美元取得的，默认 ARC-AGI harness 只拿到 62.7%，成本 26K 美元。两者的差别在于，前者在请求之间保留不透明的推理状态，并用 compaction（长对话压缩）让模型复用先前的工作，分数里因此有一部分来自外部记账，而非模型本身的单次推理。安全类任务同样给出对照：ExploitBench 上 Astra 是 100%，GPT-5.6 Sol 是 78.5%；SRE-Bench 二进制逆向四次内 99.2%，Sol 是 68.7%。但 Artificial Analysis 的 Intelligence Index 上 Astra 是 61，与 GPT-5.6 Sol 持平，比 Claude Fable 5.1（max with fallback）低 5 分。