OpenAI 的旗舰模型 GPT-6 Astra 近日再度成为市场焦点。据外媒整理，这款模型的训练规模约达 10 万颗 GPU，推估成本可能高达 5 亿至 10 亿美元；若后续训练规模进一步扩大，成本纪录仍可能再被刷新。

NVIDIA 首席执行官 黄仁勋 近期也表示，GPT-6 Astra 象征人工通用智能（AGI）时代的来临。不过，尽管 OpenAI 对 Astra 的能力相当乐观，最新比较结果显示，Anthropic 的 Claude Fable 5.1 仍在多项关键测试中保持领先。

汇总评测指出，Fable 5.1 在 SWE-bench Pro、Artificial Analysis 的 Intelligence Index、Coding Agent Index 以及 ProofBench v1.1 等项目中仍优于 Astra。另一方面，Astra 在部分任务上展现出较佳的成本效率与速度，尤其在代理式工作流程与 token 使用效率方面，受到开发者关注。

双方在 API 定价上看似相近，输入与输出 token 的标价分别为每百万 token 10 美元与 50 美元，但实际成本并不完全相同。数据显示，Astra 的平均任务成本约为 2.57 美元，而 Fable 5.1 约为 6.12 美元；在某些高推理强度的编码任务中，Astra 也被认为更省时、成本更低。

不过，Fable 5.1 也通过降低缓存读取费用，强化了长上下文与重度代理工作负载的成本优势。整体来看，这场新一代旗舰模型之争，已从单纯比拼能力，延伸到训练规模、推理效率与实际使用成本的全面竞赛。

值得注意的是，Astra 在 AI 编码性能上取得了 67 分 的高分，展现出卓越的 token 效率，但仍不及 Fable 5.1。这一对比凸显了不同模型在特定任务上的差异化优势，也为开发者选择模型提供了更多考量维度。

随着模型能力接近 AGI 门槛，业界对模型评估的维度也在扩展，从单纯的基准测试成绩，到实际任务中的成本与效率，都将影响未来 AI 应用的部署选择。