GPT-6 Astra får blandet mottakelse hos uavhengige laboratorier

OpenAIs GPT-6 Astra, lansert 3. september 2026, har skapt splid blant uavhengige evaluatorer: Den ene rangerer modellen som verdens beste, mens den andre plasserer den på nivå med forgjengeren og bak konkurrenten Anthropic.

Sprikende resultater

Epoch AIs sammensatte Epoch Capabilities Index gir Astra en score på 169, noe som plasserer den øverst blant 267 modeller, foran Anthropics Claude Fable 5.1 med 163 poeng. Artificial Analysis, et analysefirma fra San Francisco, kom til en annen konklusjon. Deres Intelligence Index gir Astra 61 poeng, nøyaktig det samme som OpenAIs Microsoft Corporation ↘ 0.99% sin GPT-5.6 Sol, mens Anthropics Claude Fable 5.1 ligger fem poeng foran med 66. På kodingsoppgaver er bildet mer positivt: Astra fikk 67 poeng på Artificial Analysis Coding Agent Index, omtrent på nivå med Claude Opus 5 og Metas ↗ 0.84% Muse Spark 1.3.trendingtopics+4

Uenigheten skyldes delvis hva de ulike indeksene måler. Epoch AI samler poengsummer fra resonnering, matematikk, vitenskap og agent-tester til ett tall, mens Artificial Analysis vekter kunnskap, resonnering i lange dokumenter og faktuelt innhold annerledes. Epoch AI bemerket på X at Astras rekord var innenfor usikkerhetsmarginen til tidligere ledere, noe som tyder på at gapet kan være mindre enn hovedtallet antyder.latent+1

ARC-AGI-3: Overgår mennesker i effektivitet

Organisasjonen ARC Prize gjennomførte sin egen evaluering og testet Astra på ARC-AGI-3, en interaktiv test som krever at agenter utforsker ukjente miljøer, utleder mål og planlegger handlinger uten eksplisitte instruksjoner. Med standard oppsett fikk Astra 62,7 prosent til en kostnad på omtrent 26 000 dollar per kjøring. Med OpenAIs Provider Adapter, som bevarer modellens resonneringstilstand mellom forespørsler, steg scoren til 99,9 prosent for rundt 19 000 dollar.arcprize

Et bemerkelsesverdig funn var Astras handlings-effektivitet. Testet mot en referansegruppe bestående av omtrent 500 mennesker, brukte Astra færre handlinger enn median-mennesket på 96 prosent av nivåene, og brukte i gjennomsnitt 51,7 prosent færre handlinger per nivå totalt. Dette er en betydelig milepæl, skrev ARC Prize, og la til at resultatet tilsvarer og overgår menneskelig paritet etter deres mål for handlings-effektivitet.arcprize

Åpne matematiske problemer og økte kostnader

Epoch AI rapporterte også at på deres nye FrontierMath Erdős-test, et sett med 68 åpne problemer stilt av matematikeren Paul Erdős, var Astra den eneste modellen som løste noen, ved å produsere Lean-verifiserte bevis for to problemer med et budsjett på 300 dollar per forsøk. Tre ytterligere løsninger dukket opp fra dyrere, ikke-standardiserte kjøringer som oversteg 220 000 dollar, noe Epoch ekskluderte fra den offisielle poengsummen.the-decoder+1

For utviklere kommer ytelsen med en pris. OpenAI satte Astras API-priser til 10 dollar per million input-tokens og 50 dollar per million output-tokens, en økning på 2,5 ganger sammenlignet med GPT-5.6 Sol. Artificial Analysis fant at Astras forbedrede token-effektivitet kompenserer for de høyere prisene ved kodingsoppgaver, men gjør modellen omtrent 75 prosent dyrere per oppgave for generelle intelligens-oppgaver.trendingtopics