OpenAI 的旗艦模型 GPT-6 Astra 近日再度成為市場焦點。據外媒整理，這款模型的訓練規模約達 10 萬顆 GPU，推估成本可能高達 5 億至 10 億美元；若後續訓練規模進一步擴大，成本紀錄仍可能再被重新整理。

NVIDIA 執行長 黃仁勳 近期也表示，GPT-6 Astra 象徵人工通用智慧（AGI）時代的來臨。不過，儘管 OpenAI 對 Astra 的能力相當樂觀，最新比較結果顯示，Anthropic 的 Claude Fable 5.1 仍在多項關鍵測試中保持領先。

彙總評測指出，Fable 5.1 在 SWE-bench Pro、Artificial Analysis 的 Intelligence Index、Coding Agent Index 以及 ProofBench v1.1 等專案中仍優於 Astra。另一方面，Astra 在部分任務上展現出較佳的成本效率與速度，尤其在代理式工作流程與 token 使用效率方面，受到開發者關注。

雙方在 API 定價上看似相近，輸入與輸出 token 的標價分別為每百萬 token 10 美元與 50 美元，但實際成本並不完全相同。資料顯示，Astra 的平均任務成本約為 2.57 美元，而 Fable 5.1 約為 6.12 美元；在某些高推理強度的編碼任務中，Astra 也被認為更省時、成本更低。

不過，Fable 5.1 也通過降低快取讀取費用，強化了長上下文與重度代理工作負載的成本優勢。整體來看，這場新一代旗艦模型之爭，已從單純比拼能力，延伸到訓練規模、推理效率與實際使用成本的全面競賽。

值得注意的是，Astra 在 AI 編碼效能上取得了 67 分 的高分，展現出卓越的 token 效率，但仍不及 Fable 5.1。這一對比凸顯了不同模型在特定任務上的差異化優勢，也為開發者選擇模型提供了更多考量維度。

隨著模型能力接近 AGI 門檻，業界對模型評估的維度也在擴充套件，從單純的基準測試成績，到實際任務中的成本與效率，都將影響未來 AI 應用的部署選擇。