根据最新发布的一项分析，OpenAI 最新的 AI 模型首次在韩国大学学术能力测试（CSAT）中获得满分。虽然此前顶级 AI 模型已取得接近满分的成绩，但这一结果之所以备受关注，是因为该模型在取得满分的同时消耗的 token 少于竞争对手——这一指标在商业上意义重大，因为 token 用量直接决定了大规模运行这些模型的开发者和企业的推理成本。

周日发布在 GitHub 上的结果显示，OpenAI 新推出的 GPT-6 Astra 是 2026 年 CSAT LLM Solution Log 中唯一获得满分 450 的受评测模型。该评测在不联网的条件下，使用 2026 年 CSAT 的试题测试各模型，涵盖韩语、英语、数学、韩国历史以及四门选修科目——物理 I、化学 I、生命科学 I 和社会与文化。CSAT 是每年数十万韩国学生参加的标准化考试，如今已成为比较前沿模型在考试条件下处理多语言、多学科推理能力的一个常用标尺。

Astra 是该评测中首个在所有测试科目上均获得满分的 AI 模型。今年 2 月，谷歌的 Gemini 3.1 Pro 仅选择两门选修科目——化学 I 和生命科学 I——便取得了满分，但在本次评测采用的更广泛科目设置下，它在物理 I 和一门社会学科目中失分。

在周日公布的排名中，OpenAI 的 GPT-5.6 以 448.5 分位居第二，GPT-5.4 以 448 分位列第三。Anthropic 的 Claude Fable 5.1 以 447.5 分排名第四，Gemini 3.1 Pro 以 445 分位列第五。

GPT-6 Astra 使用了 357,000 个 token，为公开可用模型中报告的最低总量。相比之下，GPT-5.6 使用了 429,000 个 token，Claude Fable 5.1 使用了 562,000 个。由于试题和答案均已公开，该结果无法排除通过训练数据预先接触试题的可能，不过 Claude Fable 5.1 和 Gemini 3.1 Pro 等竞争模型也面临同样的条件。

该模型的优异表现与较低 token 用量，归功于一种在重复性任务中保留上下文的推理关联设计。一个提供商适配器框架（provider adapter harness）会对先前推理步骤的信息进行压缩和复用，使 AI 能够像高分考生那样作答。

汉阳大学兼任教授李承贤（Lee Seung-hyun）表示，关键不仅仅在于模型变得更聪明，而在于它能够保留先前的推理步骤、压缩上下文并修正自己的计划。“这意味着它不是每次都更努力地思考，而是继续利用它此前已经弄明白的东西，”李承贤说。

OpenAI 将这一结果描述为令人鼓舞，并指出该模型借助超大规模 AI 计算基础设施实现了高效处理。一位 OpenAI 官员表示，这一里程碑表明模型可以在提升性能、降低成本的同时变得更强大。

然而，行业专家提醒，模型的潜力应通过其解决开放式问题的能力来评判，而不仅仅是标准化考试的成绩。一位韩国 AI 行业内部人士表示，如果 AI 能够应对没有预设答案的现实职场挑战，那将更有意义。领先模型在更广泛的独立基准上的表现——以及竞争对手能否缩小效率差距——将表明这一结果是否标志着成本与性能权衡的持久性转变。

本文基于《韩国日报》（Hankook Ilbo，《韩国时报》的姊妹刊物）的报道，由生成式 AI 系统翻译并经《韩国时报》编辑。原始来源：The Korea Times。