OpenAI GPT-6.2 Astra 奪下 AA-3D 互動 3D 體驗基準測試冠軍
重點速覽
- •GPT-6.2 Astra 在 AA-3D 基準測試中,於人類評審進行的 152 場盲測一對一比較中贏得 139 場。
- •Astra 錄得 1,318 Elo,領先 Anthropic 的 Claude Fable 5.2(1,271 分)47 分,而 GPT-6.2 Sol 得分為 1,259。
- •AA-3D 基準測試涵蓋 55 項任務,模型必須根據文字提示產出可運作的 3D 網頁應用程式,並透過盲測人類投票排名。
- •在 AA-Robotics v0.1 物理推理基準測試上,Astra 得分 79,領先 Sol 的 78 分與 Claude Fable 5.2 的 75 分。
- •OpenAI 將 GPT-6.2 Astra 定價為每百萬 tokens 8 美元,比 GPT-6 Astra 的 40 美元低 20%,而 GPT-6.2 Sol 每項任務的成本據報導約為 GPT-6 Astra 的 15%。

OpenAI 的 GPT-6.2 Astra 現已登上 AA-3D 基準測試榜首,該測試評估 AI 模型根據純文字提示建構互動 3D 體驗的能力。當人類評審將其生成的場景與競爭對手的輸出進行比較時,在 152 場對決中有 139 場選擇了 Astra 的作品。
此排名來自維護 AA-3D 排行榜的獨立評測機構 Artificial Analysis,並在 OpenAI 於 2026 年 11 月 17 日發布 GPT-6.2 Astra 及其姊妹模型 GPT-6.2 Sol 後不久出爐。此結果讓 OpenAI 在近幾週由兩大實驗室輪流領先的排行榜上重新奪回榜首。
分數比較
GPT-6.2 Astra 在 AA-3D 上錄得 1,318 Elo 分數,是 Artificial Analysis 評測過的所有模型中最高的。Elo 是一種相對評分制度,長期用於西洋棋及其他競技遊戲:模型透過在一對一對決中擊敗其他模型獲得分數,落敗則失分,因此該數字只有在與競爭對手比較時才有意義。
這些競爭對手以明顯差距落後。Anthropic 的 Claude Fable 5.2 以 1,271 分居次,落後 Astra 47 分,而 OpenAI 自家的 GPT-6.2 Sol 則為 1,259 Elo。
評測方法在此至關重要。AA-3D 依賴人類評分員進行盲測比較,即評審在不知道場景由哪個模型生成的情況下進行評分,以確保品牌認知不會影響評判。
AA-3D 實際測量什麼
該基準測試涵蓋 55 項任務,橫跨多個領域,全部聚焦於互動式 3D 生成。模型接收一段文字提示,並必須相應地產出一個可運作的 3D 網頁應用程式。由於要求的輸出是可運作的應用程式而非靜態渲染,該基準測試考驗模型能否將提示貫徹為可用的軟體,再由盲測人類投票決定人們偏好哪些可運作的成果。
Astra 的領先優勢也延伸至純 3D 渲染以外的物理推理任務。在另一項 Artificial Analysis 基準測試 AA-Robotics v0.1 上,Astra 得分 79,Sol 以 78 分緊隨其後,Claude Fable 5.2 則為 75 分。
定價與成本問題
OpenAI 將 GPT-6.2 Astra 的 API 定價設為每百萬 tokens 8 美元,比 GPT-6 Astra 的 40 美元定價低 20%。
Sol 的成本優勢更為顯著。據報導,GPT-6.2 Sol 每項任務的成本約為 GPT-6 Astra 的 15%,同時在 Artificial Analysis Intelligence Index 上取得 57 分。
因此,OpenAI 現在擁有明確的雙層產品線。Astra 是居於排行榜頂端的旗艦性能模型,而 Sol 則是在相同測試中仍有出色表現的經濟實惠選擇。對於比較各種選項的開發者而言,這意味著人類評審目前最偏好的模型,同時也是兩代 Astra 中較便宜的一款。
背景:OpenAI 與 Anthropic 的競爭
Artificial Analysis 於 2026 年 10 月 12 日推出 AA-3D 基準測試,專門評估 AI 在創建互動 3D 體驗方面的進展。10 月的首批評測顯示,Anthropic 與 OpenAI 的頂尖模型實力不相上下,Claude Fable 5.2 在 11 月的更新中一度領先。而 GPT-6.2 Astra 與 Sol 發布後的最新結果則重塑了排名。鑑於此排行榜榜首自 10 月以來變動迅速,即將發布的評測更新將顯示 Anthropic 能否縮小差距,或 OpenAI 是否擴大領先優勢。
這代表什麼
對於建構 3D 網頁體驗的開發者而言,實際的重點是 GPT-6.2 Astra 目前產出的場景最常獲得人類偏好。139 比 152 的偏好紀錄是此處最關鍵的數據,因為它反映了真實使用者在兩種輸出之間做出的選擇。
對 Anthropic 而言,這些結果設定了一個明確的目標。AA-3D 上 47 分的 Elo 差距不容忽視,而 Claude Fable 5.2 在機器人測試中的第三名成績,也使其在視覺生成與物理推理任務兩方面都面臨回應的壓力。
本文基於 CryptoBriefing 報導,由 Diego Almada Lopez 編輯。