GPT-6 Astra 与 Claude Opus 5.5：该用哪款模型

OpenAI 于 9 月上旬发布了 GPT-6 Astra，称其为一款“能在电脑上做您能做的一切”的模型。

同月，Anthropic 推出 Claude Opus 5.5，声称其在性能上可与自家高端的 Claude Fable 5.1 比肩。（我们此前也做过 GPT-Astra 与 Claude Fable 5.1 的比较。）

这两款模型如今都是严肃代理式工作的常用默认选择。它们发布已有两个月，我们也有充足时间深入使用。在本文中，我将从基准测试、功能与定价方面比较 GPT-6 Astra 与 Claude Opus 5.5。更进一步，我还会用相同的动手编码测试考察二者，并给出我更倾向的具体推荐。

什么是 GPT-6 Astra？

GPT-6 Astra 是 OpenAI 于 9 月宣布的旗舰模型。它可在 ChatGPT Plus、Pro、Business 和 Enterprise、在 Codex、通过 OpenAI API，以及在 Amazon Bedrock 上使用。

OpenAI 围绕“电脑使用”打造了 Astra。它可以端到端操作桌面，包括没有 API 的应用，并经过训练以使用更少的 token、更少的重试来完成任务。

OpenAI 还称 GPT-6 Astra 是迄今为止与对齐性最高的模型，并且是首个在公司“准备度框架”下达到网络安全能力“关键（Critical）”阈值的 OpenAI 模型。

什么是 Claude Opus 5.5？

Claude Opus 5.5 是 Anthropic 最新的 Opus 系列模型，同样于 9 月发布。它可在 Claude 应用、Claude Code、Claude 平台 API（型号为 claude-opus-5-5）、Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Foundry 上使用。

Anthropic 将 Opus 5.5 定位为在大多数工作上达到 Claude Fable 5.1 的水平，同时其每个 token 的价格比 Opus 5 便宜 20%，并且由于其使用的 token 更少，在典型工作负载上大约便宜 40%。Anthropic 表示其生成输出的速度比 Opus 5 快 30% 以上。

Anthropic 的发布重点非常偏向长时工程工作：一位早期测试者在一天内完成了 68 万行代码迁移；在内部进行的 HAProxy C 到 Rust 翻译中，Opus 5.5 用时 9.5 小时，而 Fable 5.1 为 12 小时。

GPT-6 Astra vs. Claude Opus 5.5：正面比较

我们能找到的最清晰的对照数据来自 Anthropic 的 Opus 5.5 发布文章，其中将 GPT-6 Astra 与自家模型并列。请注意，其中 Astra 的数据为 OpenAI 报告的分数或公共榜单结果，而非 Anthropic 自行跑出的成绩。

基准测试	Claude Opus 5.5	GPT-6 Astra
Terminal-Bench 4.0（代理式编码）	66.4%	57.9%
FrontierCode v1.1 Main（代理式编码）	54.4%	53.3%
GDPval-AA v2.1（知识工作，Elo）	1846	1542
Humanity's Last Exam（含工具）	67.7%	57.2%
AutomationBench（业务流程）	40.0%	41.4%
Terminal-Bench-Science 0.1	58.7%	64.6%
CursorBench 4.0	57.8%

编码与软件工程

这是 Opus 5.5 论据最有力的领域。在测试真实终端中代理工作的 Terminal-Bench 4.0 上，Opus 5.5 得分 66.4%，Astra 为 57.9%，领先 8.5 个百分点。

FrontierCode 则接近得多：Opus 5.5 为 54.4%，Astra 为 53.3%，几乎打成平手。

但 Astra 也有自己的编码强项。OpenAI 报告其在 DeepSWE v1.1 上取得 74.1% 的成绩，称之为新纪录，并表示在 Codex 框架下，Astra 完成任务的速度快于上代。Anthropic 没有公布 Opus 5.5 的 DeepSWE 分数。

知识工作与推理

在对 44 个职业的专业任务进行评分的 GDPval-AA v2.1 上，Opus 5.5 的 Elo 为 1846，而 Astra 为 1542，差距较大。在带工具的 Humanity's Last Exam 上，Opus 5.5 也以 67.7% 对 57.2% 领先。

Astra 则在科学类终端工作中领先：Terminal-Bench-Science 上得分 64.6%，Opus 5.5 为 58.7%。OpenAI 还报告了 Astra 在数学与科学上的强劲表现，包括 FrontierMath Tier 4 v2 的 97.6% 和 GPQA Diamond 的 96.0%。Anthropic 并未公布 Opus 5.5 在这些基准上的成绩，因此如果您的核心用例是重数学推理，Astra 的已公布证据更强。

电脑使用与业务自动化

电脑使用是 Astra 的主打功能。OpenAI 报告其在 OSWorld 2.0 上为 72.6%，在 ScreenSpot-Pro 上为 92.7%，并为企业场景提供了相应控制：管理员可限制网站与桌面应用、在重大操作前要求审批，并自动复核潜在不安全的工具调用。

Anthropic 报告 Opus 5.5 在 OSWorld 2.1（部分得分）上为 81.8%。该基准的版本与计分方式不同，无法与 Astra 的 72.6% 直接比较。在 Zapier 的业务流程基准 AutomationBench 上，两者接近，Astra 以 41.4% 对 40.0% 略胜。

上下文窗口与输出

两款模型都能处理超长输入。Astra 的上下文窗口为 105 万 token，Opus 5.5 为 100 万 token。二者均支持最多 128K 输出 token，且 Opus 5.5 可通过 Message Batches API（测试中）将输出提升至 300K token。

安全与可用性

两家实验室都对最敏感的能力设有门槛。Astra 在网络安全上被评为“关键（Critical）”，因此高级漏洞利用等工作需要加入 OpenAI 的可信访问计划。Opus 5.5 会将大多数网络安全任务转交给 Claude Opus 4.8，并采用与 Fable 5.1 相同的生物安全防护，同时为已审查机构提供验证计划。

定价：您实际要付多少钱

每 100 万 token	Claude Opus 5.5	GPT-6 Astra
输入	$4	$10
输出	$20	$50
缓存读取	$0.20	$1.00
快速模式（输入 / 输出）	$8 / $40	$20 / $100
长上下文附加费	无	超过 272K 输入 token

按标价，Opus 5.5 在输入与输出上都比 Astra 便宜 60%，在缓存读取上便宜 80%。一次含 10 万输入 token 与 1 万输出 token 的请求，在 Opus 5.5 上约 $0.60，在 Astra 上约 $1.50。

不过，token 价格并非全部。OpenAI 训练 Astra 以更少 token 完成任务；而 Opus 5.5 在最高努力下会生成大量推理输出，在某些工作负载上会缩小差距。

上手测试：打造一座齿轮驱动时钟

有意思的部分来了：我给两款模型在同一编码代理中，用同一提示，做同一构建任务。

任务：一个单文件网页，显示一座完全由可见齿轮传动驱动的指针式时钟。页面在加载时读取一次时间；之后只能通过齿轮带动指针。

我选这个测试是因为读者可以凭肉眼检查结果。齿是否咬合？相邻齿轮是否反向转动？

测试设置

两款模型都在同一台 Mac 上的 OpenCode 中依次运行，使用默认设置，各一次尝试。我使用的是各自的标准版本（通过 OpenRouter 的 gpt-6-astra 和通过 Anthropic API 的 claude-opus-5-5），而非 Pro 或快速模式变体。以下是逐字粘贴的提示：

Build a single-file web page, index.html, with inline CSS and JavaScript. Use canvas or SVG. No external libraries, no network requests, no build step.

The page shows an analog clock driven entirely by a visible mechanical gear train.

Requirements:

One driving gear (the "motor") turns at a constant rate. Everything else moves only because gears mesh: the second, minute, and hour hands must be driven through the gear train, with the minute hand turning exactly 1/60 as fast as the second hand and the hour hand exactly 1/12 as fast as the minute hand. Do not compute hand angles from Date() each frame; read the current local time once at load to set the starting position, then let the gears drive the hands.
Show at least six gears with visible teeth. Gears that mesh must have matching tooth size, teeth that visibly interlock without overlapping, and opposite directions of rotation. Each pair's speed ratio must equal the inverse of its tooth-count ratio. Compound gears (two gears fixed on one axle) are allowed and should look like they share an axle.
Hovering over any gear shows its tooth count and its current speed in RPM.
Controls: a speed slider from 1x to 3600x real time, a pause/resume button, and a "reset to now" button.
After running at any speed for several minutes and then returning to 1x, the clock must still show the correct time for the simulated elapsed time (no drift from floating-point accumulation).
It should look like a well-made piece of clockwork, readable at both desktop and phone widths.

When you're done, briefly explain your gear train: the tooth counts and how they produce the 60:1 and 12:1 ratios.技术支持

测试结果

下图是两座时钟并排以 10 倍速度运行。在该速度下，每座时钟的第一个大齿轮每 6 秒转一圈，分针缓慢前移。

观测到的现象

他们对“指针式时钟”的理解不同。Astra 打造的是钟表匠所称的调速器（regulator）：秒、分、时各自拥有独立表盘，安装在面板上分散的不同轮系上。Opus 则构建了传统钟面：时针与分针共轴，小秒盘在上方，齿轮系通过镂空表盘一角可见。

Astra 的齿轮更易追踪，Opus 的时间更易读。在 Astra 的设计中，每个车轮都完全暴露在外，您可以从“电机”一路追踪到时针盘。但要读时间，您需要查看三个表盘。Opus 的时间一眼可读，但部分齿轮位于表圈后方，无法看到每一对齿轮的啮合。

第一个大齿轮看起来太快，但并非如此。当我第一次加速时，两座时钟的第一个大齿轮看起来都在飞转，尤其是 Astra 的。在两种设计中，该轮都承载秒针，因此在真实速度下每分钟转一圈，在 60 倍速度下每秒转一圈。在真实速度下，您能看到它与秒针完全同步。

Astra 的部分车轮有重叠。在少数位置，Astra 会将一个大车轮画在另一个之上，例如时轮与其旁边绿色齿轮交叉处。严格来说这并不错误，因为真实机芯会分层堆叠车轮，但这会让判断哪些齿在实际啮合变得更难。

两者都保持了正确时间。我将两座时钟快进了 10 小时（在最高速下大约 10 秒），它们都停在了 20:10:30，正好是应有的位置。

我更喜欢哪一个

两座时钟都能正常工作。如果是用来观赏，我会选 Astra：整个机构一览无余，颇具工程感。不过，Opus 的作品更贴近提示所要求的：单一的指针式表盘。

何时选择 GPT-6 Astra，何时选择 Claude Opus 5.5

造钟只是一个有趣的小项目，我没法覆盖所有用例。以下是一些实用指引：

如果满足以下情况，选择 Claude Opus 5.5：

您在构建或运行编码代理，尤其是长时迁移、重构和基于终端的工作。
您的工作负载是专业知识工作，如研究、分析与文档。之所以这么说，是因为 Opus 5.5 在 GDPval-AA 上领先。
在规模化场景下成本重要，或您经常发送长度超过 272K token 的提示。
您需要在 Google Cloud 或 Microsoft Foundry 上使用该模型。

如果满足以下情况，选择 GPT-6 Astra：

您的主要用例是电脑使用：驱动桌面应用与浏览器、填写表单、在无 API 的工具间进行 QA。
您需要最强的已公布数学与科学推理。之所以这么说，是因为 Astra 在 Terminal-Bench-Science 上领先，并报告了顶级的 FrontierMath 与 GPQA 成绩。
您的团队已在使用 ChatGPT Enterprise 与 Codex，并希望获得 Astra 的管理员控制与企业插件。

总结

从纸面上看，Claude Opus 5.5 的性价比更高。它在大多数双方均有成绩的基准上领先 GPT-6 Astra，包括在代理式编码和知识工作上的明显优势，而且其标价仅为 Astra 的 40%。

但 Astra 并未被全面压制。它在电脑使用方面更强，在数学与科学上的已公布结果更好，而且由于其 token 效率更高，实际成本差距也比价目表显示的要小。

作者

Josef Waples

我是数据科学编辑，曾为科学期刊发表的研究论文撰稿。我的兴趣领域包括线性代数、统计学、R 等相关主题。

FAQs

Claude Opus 5.5 是否优于 GPT-6 Astra？

根据 Anthropic 发布的表格，Opus 5.5 在 Terminal-Bench 4.0、FrontierCode、GDPval-AA，以及带工具的 Humanity's Last Exam 上优于 GPT-6 Astra。Astra 在 AutomationBench 与 Terminal-Bench-Science 上领先，并且在电脑使用与重数学推理方面更适合。哪一个更好取决于您的工作负载。

GPT-6 Astra 和 Claude Opus 5.5 各自多少钱？

Claude Opus 5.5 的价格为每百万输入 token $4、每百万输出 token $20。GPT-6 Astra 则为 $10 与 $50。按标价，Opus 5.5 便宜 60%，但 Astra 旨在每项任务使用更少的 token。

哪一个更适合编码：GPT-6 Astra 还是 Claude Opus 5.5？

在代理式编码方面，Opus 5.5 的已公布结果更强：在 Terminal-Bench 4.0 上得分 66.4%，Astra 为 57.9%。在 FrontierCode 上两者接近（54.4% vs 53.3%）。Astra 报告在 DeepSWE v1.1 上创纪录的 74.1%，而 Anthropic 尚未公布 Opus 5.5 在该基准上的成绩。

GPT-6 Astra 和 Claude Opus 5.5 的上下文窗口是多少？

GPT-6 Astra 的上下文窗口为 105 万 token，Claude Opus 5.5 为 100 万 token。两者都支持最多 128K 输出 token。对于 Astra，OpenAI 会对超过 272K 输入 token 的提示收取额外费用；而对于 Opus 5.5，Anthropic 不设长上下文附加费。

哪款模型更适合电脑使用？

GPT-6 Astra。电脑使用是 Astra 的主打功能：在 OSWorld 2.0 上为 72.6%，在 ScreenSpot-Pro 上为 92.7%，并提供企业级桌面与浏览器自动化控制。Opus 5.5 在 OSWorld 2.1 上报告为 81.8%，但该版本与计分方式不同，无法直接对比数值。

主题

人工智能