GPT-6 Astra考过「科目二」？5分22秒驶入锥桶车位
相关推荐
本周大模型可能扎堆上新，GPT-6 Sol、Opus 5.5、Grok 4.7都在排队
动察 Beating AI 快讯，这一周可能迎来一轮密集的大模型更新，目前至少有 7 个模型出现发布或测试信号。 第一档：GPT-6 Sol、Claude Opus 5.5。 OpenAI 尚未确认 GPT-6 Sol，但 Sam Altman 此前称，原定上周发布的「主要东西」推迟到了本周；社区近期又持续出现 GPT-6 Sol 测试和灰度路由的爆料。 Anthropic 这边，博主 Lyra 称 Opus 5.5 正以 claude-wafer-eap 测试，计划周二发布。路透社上周也报道，Anthropic 正考虑近期推出一款新模型，但没有确认 Opus 5.5 这个名字。 第二档：Grok 4.7、Qwen4、Kimi K3.1。 马斯克原本说 Grok 4.7 大约 9 月 12 日上线，随后又称还要「几天」，至今仍未发布。 千问已经明确说，Qwen3.8-Flash-Next 是 Qwen4 架构的提前预览，而 9 月 22 日至 24 日正好是云栖大会，不过官方没有预告 Qwen4 会在大会发布。 Kimi 最近的 π 暗示已经预告 K3.1，但目前还没有发布日期、模型卡或 API。 第三档：Gemini 4 Pro、DeepSeek V4.1 Pro。 Gemini 4 Pro 最近被曝正在 Arena 以 Argon 等代号测试，但 Google 至今只确认 Gemini 4 正在训练，没有公布发布日期。 DeepSeek 则已经在官方文档中直接提到未来的 V4.1 Pro，但同样没有给出上线时间。
xAI发布Grok 4.7：参数规模增至2.1万亿，基准测试仍落后Claude
动察 Beating AI 快讯，xAI 周一正式发布 Grok 4.7，官方称其在同等价格和速度下较 Grok 4.6 有「显著提升」。Grok 4.7 此前至少经历 5 次延期，目前已上线 Grok 应用、Cursor、Grok Build 及 xAI API。 Grok 4.7 参数规模达到 2.1 万亿，较 Grok 4.6 的 1.5 万亿增加 40%，输入和输出价格分别为每百万 Token 2 美元和 6 美元。xAI 还引入 SpaceX 补充训练数据，包括 Starlink 卫星遥测数据、制造记录和工程故障日志，旨在提升模型对硬件及物理系统的推理能力。 基准测试方面，Grok 4.7 在 GDPval 和 AA-Briefcase 中均排名第二，得分分别为 1695 和 1657，均落后 Claude Fable 5.1 的 1735 和 1678；在电气工程基准测试 EEBench 中则排名第二，仅次于 GPT-6 Astra。CursorBench 4.0 显示，Grok 4.7 的任务成本高于 GPT-6 Astra 和 Claude Sonnet 5，同时整体表现仍落后 Fable 5.1。 马斯克此前曾表示，Grok 4.7 的水平大致相当于 Claude Opus 5.0，但尚未达到更新版本 Opus 5.1 的水平，并透露 Grok 4.8、4.9 及 Grok 5 正在开发中。
GPT-6 Astra 发布一周后遭用户吐槽变笨，OpenAI 尚未回应
ChainCatcher 消息，据 Decrypt 报道，OpenAI 最新旗舰模型 GPT-6 Astra 在发布一周后，X 平台上涌现大量用户吐槽其性能“变笨”的帖子。匿名开发者 synthwavedd 发文称“Astra 今天感觉明显变笨了”，并调侃这是“发布后脑叶切除手术”。此前曾称赞该模型的开发者 Pranjal Paliwal 在检查 Astra 为其编写的代码后表示：“我们没有 AGI，我们遇到的是性能回退。”开发者 Pankaj Kumar 列举了症状：回答更快、质量更差，并怀疑 OpenAI 调低了“juice value”（即模型在回答前投入的算力）。Salio 与研究员 Md Ismail Sojal 用相同提示词对比发布当天与当前的 Astra，均得到更差的结果。T3Chat 创始人 Theo 则认为 Astra 只是比 Claude Fable 更不稳定，用户蜜月期结束后开始集中晒出糟糕结果。也有观点指出，OpenAI 上一代旗舰 GPT-5.6 Sol 在 7 月就经历过同样的周期，当时 OpenAI 高管 Tibo Sottiaux 否认故意削弱模型，但承认公司一直在实验“推理努力”设置。OpenAI 尚未就 Astra 发布类似 Sol 的声明。
ChatGPT Voice现可调用GPT-5.6 Sol和GPT-6 Astra
PANews 9月10日消息，OpenAI产品团队成员Atty Eleti发文称，ChatGPT Voice现可调用GPT-5.6 Sol和GPT-6 Astra。用户可自行选择模型及推理强度；Pro用户可选择上述模型，语音模式会在需要搜索或推理时调用所选模型。该功能基于GPT-Live运行，并将搜索及推理任务委派给前沿模型；语音调用底层文本模型回答时，会计入相应模型的消息额度。
一夜两条路线：Opus5.5冲到第一，GPT-6把同档成本砍半
动察 Beating AI 快讯，Artificial Analysis 完成对昨夜几款新模型的第三方实测。Claude Opus 5.5 max 在 Intelligence Index v4.3 拿到 58 分，目前排名第一。GPT-6 Astra 和 Fable 5.1 都是 53 分，Opus 5 为 51 分。Opus 5.5 在 10 项评测里拿下 6 项最高分。 但这个最高分也用了更多 token。Opus 5.5 max 每项任务平均输出约 11.9 万 tokens，比 Opus 5 的 7.3 万多约 60%。靠 API 降价 20% 和缓存读取降价 60%，单任务成本最终为 5.98 美元，和 Opus 5 的 5.86 美元基本持平。更实用的 medium 档拿到 51 分，已经追平 Opus 5 max，单任务成本只有 1.34 美元。 OpenAI 走的则是另一条路。GPT-6 Sol 和 Luna 的 Intelligence Index 表现与 GPT-5.6 前代接近，但价格明显下降。Sol max 每项任务成本从 1.99 美元降到 1.06 美元，Luna 从 0.18 美元降到 0.07 美元。编码 Agent 评测里，Sol 从 55 分升到 57 分，成本也下降约一半；Luna 从 43 分降到 41 分，但单任务成本低约 60%。 两家的路线已经开始出现分化：Opus 5.5 用更多推理把能力上限推到新高，GPT-6 Sol 和 Luna 则主要把原有能力做得更便宜。 在 Artificial Analysis 的性能/成本图上，两家的新模型都占据了新的 Pareto 前沿。
OpenAI 发布 GPT-6 Sol 与 Luna，API 价格下调 50%
ChainCatcher 消息，OpenAI 于 9 月 22 日发布 GPT-6 Sol 与 GPT-6 Luna 两款新模型，发布时间距 Anthropic 推出 Claude Opus 5.5 仅数分钟。两款模型定位低于 GPT-6 Astra，是面向日常工作的更便宜、更快速选项。OpenAI 同时将两款模型的 API 价格较 GPT-5.6 促销价下调 50%，Sol 输入与输出价格分别为每百万 token 2 美元与 10 美元，Luna 则降至 0.1 美元与 0.5 美元。性能方面，OpenAI 援引 Zapier 的 AutomationBench 基准称，GPT-6 Sol 在最高推理设置下得分为 33.2%，每任务成本 0.27 美元，而 Claude Opus 5 最高设置为 26.9%，每任务成本高出逾 11 倍。在 Agents' Last Exam 测试中，GPT-6 Sol 最高得分 56.4%。在 OSWorld 2 计算机使用测试中，GPT-6 Sol 以 60.5% 对 60.3% 几乎追平 Claude Opus 5 的中等努力得分，成本低约 80%。