OpenAI GPT-6.2 Astra 登顶交互式 3D 体验 AA-3D 基准测试
要点速览
- •GPT-6.2 Astra 在 AA-3D 基准上由人工评审判定的 152 场盲测对决中赢得 139 场。
- •Astra 录得 1,318 Elo,领先 Anthropic 的 Claude Fable 5.2(1,271)47 分,GPT-6.2 Sol 得分为 1,259。
- •AA-3D 基准涵盖 55 项任务,模型必须根据文本提示生成可运行的 3D 网页应用,并通过盲测人工投票进行排名。
- •在 AA-Robotics v0.1 物理推理基准上,Astra 得分 79,领先于 78 分的 Sol 和 75 分的 Claude Fable 5.2。
- •OpenAI 将 GPT-6.2 Astra 定价为每百万 tokens 8 美元,比 GPT-6 Astra 的 40 美元低 20%,而据报道 GPT-6.2 Sol 的每项任务成本约为 GPT-6 Astra 的 15%。

OpenAI 的 GPT-6.2 Astra 现已登上 AA-3D 排行榜榜首,该基准测试衡量 AI 模型根据纯文本提示构建交互式 3D 体验的能力。在人工评审将其场景与竞争对手的输出进行对比时,评审在 152 场对决中的 139 场选择了 Astra 的作品。
该排名来自独立评测机构 Artificial Analysis,即 AA-3D 排行榜的维护方,并紧随 OpenAI 于 2026 年 11 月 17 日发布 GPT-6.2 Astra 及其姊妹模型 GPT-6.2 Sol 之后公布。这一结果使 OpenAI 重新夺回这一排行榜的榜首位置,近几周来该榜首在两家实验室之间交替易手。
各模型得分对比
GPT-6.2 Astra 在 AA-3D 上取得了 1,318 Elo 的得分,是 Artificial Analysis 所评测的所有模型中的最高分。Elo 是一种相对评分体系,长期应用于国际象棋等竞技项目:模型通过在对决中击败其他模型获得分数,失败则失去分数,因此该数字只有与其他竞争对手相比才有意义。
其竞争对手以明显差距落后。Anthropic 的 Claude Fable 5.2 得分为 1,271,落后 Astra 47 分,而 OpenAI 自家的 GPT-6.2 Sol 则为 1,259 Elo。
评测方法在此至关重要。AA-3D 依靠人工评审进行盲测对比,即评审在不知晓场景由哪个模型生成的情况下进行评判,从而使品牌认知度不会影响评审结果。
AA-3D 究竟衡量什么
该基准涵盖多个领域的 55 项任务,全部聚焦于交互式 3D 生成。模型接收一条文本提示,并必须据此生成一个可运行的 3D 网页应用。由于要求输出的是可运行的应用而非静态渲染,该基准检验的是模型能否将提示贯彻为可用的软件,随后由盲测人工投票决定人们更偏好哪个可运行结果。
Astra 的领先优势还延伸至纯 3D 渲染之外的物理推理任务。在 Artificial Analysis 的另一项基准 AA-Robotics v0.1 上,Astra 得分为 79,Sol 以 78 分紧随其后,Claude Fable 5.2 则为 75 分。
定价与成本问题
OpenAI 将 GPT-6.2 Astra 的 API 定价设为每百万 tokens 8 美元,比 GPT-6 Astra 的 40 美元低 20%。
Sol 在成本方面则更为突出。据报道,GPT-6.2 Sol 的每项任务成本约为 GPT-6 Astra 的 15%,同时在 Artificial Analysis Intelligence Index 上得分 57。
因此,OpenAI 目前拥有清晰的双层产品线。Astra 是登顶各排行榜的高端性能担当,而 Sol 则是经济实惠的选择,且在同样的测试中仍表现不俗。对于正在比较选择的开发者而言,这意味着目前最受人工评审青睐的模型,也是两代 Astra 中更便宜的一代。
背景:OpenAI 与 Anthropic 的竞争
Artificial Analysis 于 2026 年 10 月 12 日推出 AA-3D 基准,专门评估 AI 在创建交互式 3D 体验方面的进展。10 月的首次评测显示,Anthropic 和 OpenAI 的顶尖模型竞争激烈、不相上下,其中 Claude Fable 5.2 在 11 月的更新中一度领先。而 GPT-6.2 Astra 和 Sol 发布后的最新结果则改变了排名格局。鉴于该排行榜榜首自 10 月以来变动迅速,接下来的评测更新将显示 Anthropic 能否缩小差距,或 OpenAI 是否进一步扩大领先优势。
这意味着什么
对于构建 3D 网页体验的开发者而言,实际的启示是:GPT-6.2 Astra 目前生成的场景最常获得人类偏好。139 比 152 的偏好胜率是这里最关键的统计数据,因为它反映了真实的人在两种输出之间做出的选择。
对 Anthropic 而言,这一结果设定了明确的目标。AA-3D 上 47 分的 Elo 差距意义重大,而 Claude Fable 5.2 在机器人基准上的第三名成绩也使其面临压力,需要在视觉生成和物理推理任务两方面做出回应。
本文基于 Diego Almada Lopez 编辑的 CryptoBriefing 报道。