GPT-6 Astra 评测成绩两极分化，效率反超人类引 AGI 时间线争议
GPT-6 Astra 在 Epoch AI 与 Artificial Analysis 两项评测中得分悬殊，分别位列榜首与仅持平前代。同时，该模型在 ARC-AGI-3 上效率超过人类，促使研究者 Chollet 提前其 AGI 实现预测。
随着新一代大模型竞赛进入白热化，OpenAI 的 GPT-6 Astra 近日成为行业焦点，但不同评测体系给出的结论却大相径庭。在 Epoch AI 的榜单上，该模型以 169 分的成绩高居 267 个参评模型之首，展现出显著的技术代际优势。
然而，另一家独立评测机构 Artificial Analysis 却给出了截然不同的画像。其测评结果显示，GPT-6 Astra 仅获得 61 分，这一数字与 OpenAI 上一代模型 Sol 基本持平，并且落后于 Anthropic 的 Claude Fable 5.1 所取得的 66 分。两套基准间的巨大分差，让外界对其真实能力产生困惑。
这种分歧背后，反映出当前 AI 评测体系在任务设计、权重分配与评估维度上的深刻差异。Epoch AI 的测试可能更侧重于复杂推理与知识广度，而 Artificial Analysis 或许更关注指令遵循与实用性指标。对于开发者而言，选择何种基准作为采购参考，将直接影响对模型效能的判断。
值得关注的是，在另一项针对抽象推理的 ARC-AGI-3 测试中，GPT-6 Astra 展现出超越人类基准的效率。该测试的设计者 François Chollet 据此调整了其此前关于 AGI 实现时间的预测，认为相关技术拐点可能比原先设想的更早到来。这一表态在 AI 学界引发了关于评测有效性及 AGI 定义的新一轮讨论。
尽管评测数据存在矛盾，但业内普遍认为，GPT-6 Astra 的发布本身已标志着大模型能力边界的又一次扩展。后续随着更多第三方独立验证的落地，其真实性能画像将逐步清晰，也将为各行业的技术选型提供更可靠的依据。