
GPT-6.2 Astra 与 Claude Opus 5.5:首个令牌生成前,四分钟对十分钟
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百万 tokens · 185 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百万 tokens · 214 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 87 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百万 tokens · 112 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百万 tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
把同样的简短提示输入两个模型,并计时它们的沉默时间。根据 Artificial Analysis 在最高努力程度下的测量,Claude Opus 5.5 在一条一千 token 的提示上,首个 token 出现前需要 625 秒——略超过十分钟。GPT-6.2 Astra 在 74 秒内回答同样形式的请求。在两个模型都还没写出一个字之前,是四分钟对十分钟,而在一万 token 的提示下,差距扩大到近八分钟:728 秒对 373 秒。
我会从那个数字开始,因为核心对比指向的完全是另一个方向。GPT-6.2 Astra 由 OpenAI 于 2026 年 11 月 17 日发布,每百万 token 收费 8 美元和 40 美元,在计费两端都是 Claude Opus 5.5 的两倍——Anthropic 的模型自 2026 年 9 月 22 日起一直保持 4 美元和 20 美元。标价表明 Opus 5.5 是更经济的选择。实测账单却以 2.5 倍的幅度给出相反结论,而延迟数据又说明了另一回事。这三者同时成立,原因在于两个模型为达到相近得分而花费的方式截然不同。
索引的两个点,四倍的 token
在 Intelligence Index v5.0.1 上,以 2026 年 11 月 19 日读取的结果为准,并且两个模型均以最大努力程度运行,GPT-6.2 Astra 的得分为 62.1,Claude Opus 5.5 为 59.1。在包含九项评估的套件中,三分是实实在在的领先,但并非碾压,而且这一差距小于任一模型在不同努力程度设置之间的差距。
将它们区分开的是达到这一水平的成本。Artificial Analysis 将一项完成的 Index 任务在 GPT-6.2 Astra 上的成本计为 $4.00,在 Claude Opus 5.5 上计为 $10.04——高出 2.5 倍,而价目表上的价格却只有一半。其机制在于每项任务的 token 数:在同一套测试中,GPT-6.2 Astra 每项任务产生约 41,000 个输出 token,而 Opus 5.5 为 173,000 个。思考量是四倍,得分却低三点,而 token 数量是模型构建方式的属性,不是提供商或 GPU 分配所能解决的。
这种反转值得在阅读任何关于这两者的比较之前先牢记,因为它会让每一个按 token 计算的论点都变得具有误导性。一个根据价目表做预算的团队会以为 Astra 的成本要高一倍,而实际上每花一美元只需支付 40 美分。
已连接线束的记分牌
以下所有数据均为 Artificial Analysis 在同一测试套件上以最大努力进行的独立测量;这一点很重要,因为厂商表格是在厂商自行选择的设置和测试框架下运行的。有一项例外已在对应行中标注。
• 智能指数——在 v5.0.1 上,GPT-6.2 Astra 为 62.1,Claude Opus 5.5 为 59.1
• 每个 Index 任务的成本 — $4.00 对比 $10.04
• 每个 Index 任务的耗时 — 10.7 分钟 vs 24.5 分钟
• Terminal-Bench 4.0 — 64.1% 对比 59.6%
• Terminal-Bench-Science 0.1 — 78.1% 对比 59.0%,是本篇中差距最大的一项
• FrontierCode 2.0 — 45.4% 对 46.4%,这是 Opus 5.5 唯一领先的编程测试套件
• HLE-Diamond — 72.2% 对比 67.9%
• AnalystAgent — 62.5% 对比 56.3%
• HARVEY LAB-AA — 15.0% 对 4.2%,在法律交付成果上为 3.6 倍比率
• 全知准确率——68.6% 对 65.5%,幻觉率分别为 59.1% 和 50.3%
• HealthBench — 53.5% 对 57.0%,这是 Opus 5.5 的一次真正胜利
• AA-3D Elo — 1,318 对 1,202,不过 1,318 是 OpenAI 自己报告的 Astra 在 Artificial Analysis 的 3D 竞技场中的数字
上下文与输出——根据 Artificial Analysis 的目录,两者的上下文均为 1,000,000 个 token、输出均为 128,000 个 token;OpenAI 自己的模型页面则列出总计 1,050,000 个 token,其中输入上限为 922,000 个 token。

Claude Opus 5.5 仍在哪些方面胜出,以及为何这很重要
Anthropic 模型领先的那些行并非随机,把它们放在一起看,就能明白它擅长什么。FrontierCode 2.0 衡量的是对真实代码库所做的改动能否通过维护者评审,Opus 5.5 以一分之差略微领先——在噪声范围内,但始终朝着人类会接受补丁的方向。HealthBench 是临床对话,它在这里领先 3.5 分。而它的幻觉率低了近九个点:50.3% 对 59.1%,这意味着对于无法正确回答的问题,Opus 5.5 更有可能如实说明。
最后一行值得单独用一句话说明,因为这类数字从来不会出现在发布博文里。GPT-6.2 Astra 在全知测试套件上更准确,但在承认无知方面明显更缺乏自律。对于错误答案的发现成本很高的工作流——法律研究、医学摘要、金融事实核查——承认无知率上九个百分点的差距可能压过分数上三个百分点的差距,而这也是让 Claude Opus 5.5 继续留在流程中的最有力单一论据,即便在一个其他方面已统一采用 Astra 的技术栈中也是如此。
Anthropic 自己的发布材料中,Opus 5.5 的 Terminal-Bench 4.0 成绩为 66.4%,而上方给出的是 59.6%。这并不矛盾:厂商数据是在 xhigh 推理强度下取得的,而非模型默认的 medium,并且是在 Anthropic 自己的评测框架上。同一个基准测试在三种配置下出现三个数字,这正是本文每一行都标明来源的原因。
努力程度调节旋钮会改变这两个答案
两个模型公布的分数都不是其开箱即用的分数,而且默认设置并不对称。Claude Opus 5.5 默认使用medium 努力程度,这一默认值适用于 Claude API;上文中的每个数字都处于 max 设置下。团队若在部署 Opus 5.5 时不设置努力程度,换回的延迟收益会更少,得分也会更低,而且没有公开表格说明这会落在什么位置——努力程度曲线确实存在,但独立数字位于其顶端。
GPT-6.2 Astra 的阶梯起始于 low,并直接拒绝 none,因此最便宜的设置仍然是一个推理设置。这是一个微小的架构差异,却带来实际后果:在 Astra 上,你无法意外关闭推理,从而得到一个快速、便宜、更差的模型;在 Opus 5.5 上,类似的杠杆就是 effort 参数本身,而 medium 与 max 之间的差距,正是首个 token 耗时十分钟的大部分所在。
如果你的决定取决于这 3 个点的指数差距,请确认你实际会运行产生该差距的设置。两个模型都是在各自最昂贵的配置下进行比较的,而其中只有一个默认以这种方式提供。
超过 272,000 个 token 时,表格会交叉
按 token 计价的环节,是这一比较中存在真正结构性不对称的地方,而这种不对称并非头条费率所暗示的那样。Claude Opus 5.5 对其完整的 100 万 token 窗口采用统一计费:输入每百万 token 4 美元,输出每百万 token 20 美元;缓存读取为 0.20 美元,即基础输入价格的 5%;缓存写入则按 5 分钟 5 美元或 1 小时 8 美元计费。
GPT-6.2 Astra 在短上下文下收费为 $8 和 $40,而对于任何超过 272,000 个输入 token 的请求,输入和缓存费用翻倍,输出费用乘以 1.5,并且对整次请求都按更高费率计费,而不是只对超出部分计费。用 300,000 token 的提示词越过这条线,实际费率为输入 $16、输出 $60、缓存 $0.80。面对 Opus 5.5 统一的 $4 和 $20,让 Astra 显得便宜的四倍输出差距,必须经受住一张刚刚涨到三倍的价目表。
• 缓存读取 — Opus 5.5 每百万 $0.20,而 Astra 为 $0.40,超过 272K 后翻倍至 $0.80
• 缓存写入 — Opus 5.5 为五分钟 5 美元、一小时 8 美元,而 Astra 为 30 分钟 10 美元、12 小时 20 美元
• 长上下文表现——Opus 5.5 在 1M 上下文中全程平稳,而 Astra 在请求超过 272K 后,整个请求的输入按 2×、输出按 1.5× 计费
• 批量 — 两者均享 50% 折扣,且两个窗口均保持开放
这就是为什么“廉价模型”的结论并非普遍适用。一个在大型 monorepo 中工作的编码智能体、一条摄取 400 页合同的文档流水线,以及任何经常携带几十万 token 上下文的任务:在这些工作负载上,Claude Opus 5.5 并不是昂贵的选择。它是两者中唯一一个在提示词增长时价格不变的选择,而 Astra 因 token 效率获得的单任务优势,会随着输入在账单中所占比例上升而缩小。

40% 窗口对算术的影响
自 11 月 17 日起,GPT-6.2 Astra 有了第二个价格,而 Opus 5.5 没有对应价格。在 Responses API 的后台模式下,八小时完成窗口的模型 token 费率比标准价低 40%——输入 4.80 美元、输出 24 美元、缓存 0.24 美元——而两小时窗口的费率低 30%。按实测 4.00 美元的任务成本计算,在深度窗口中每项任务大约为 2.40 美元,而 Opus 5.5 为 10.04 美元。
这不是白来的钱,而约束才是有意思的部分。该窗口要求使用 Standard 处理,禁止流式传输,与 Batch 作业共享速率限制预算,还会拆分提示缓存——由窗口请求写入的条目无法被 Standard 请求读取。对于夜间流水线来说,这不过是舍入误差。对于交互式编码会话来说,它完全不可用;而上文提到的十分钟首个 token,正是决定你的工作负载落在分界线哪一侧的那个数字。
这种对比异常清晰。如果你的工作可以等到早上,那么按每个完成的任务计算,GPT-6.2 Astra 比 Claude Opus 5.5 便宜 4.2 倍,速度大约是其两倍。如果不能等,价格优势为 2.5 倍,延迟优势依然存在,但那十分钟花在 Opus 5.5 的首个 token 上,而不是花在你选择的排队上。
两家供应商唯一达成一致的地方
两款模型都以相同方向越过了同一道安全门槛。OpenAI 的 6.2 系统卡在 Preparedness Framework 下,将 GPT-6.2 Astra 的网络安全能力置于 Critical 阈值,并将生物和化学能力列为 High;因此,该发布上线时对高风险网络协助采用了更严格的拒绝策略——其自家文档也承认,这会限制部分合法的漏洞研究。Claude Opus 5.5 则处于 Anthropic 的同等制度之下。如果你的工作是防御性安全工具,两款模型都会对其中的部分内容设限,而且目前两家供应商都没有提供折扣后台窗口,来替代它们另行描述的专用网络项目访问权限。
这对双方都是实实在在的成本,而且它不会出现在上述任何数字中。要为此做好规划:假设可获得不受限制的漏洞利用协助的工作流,在任一模型上都会失败,而这种失败看起来会像一次拒绝,而不是一项基准测试结果。
选择,然后不选择
如果你必须二选一,而你的工作是科学计算、长周期专业交付,或者任何答案按你掌控的节奏到来的事情,那么 GPT-6.2 Astra 在所有带数字的维度上都胜出——得分、每任务成本、实际耗时,以及愿意等待就可再获得 40% 的选项。如果你的工作是临床性质,或者对事实如此关键,以至于模型愿意承认无知比它的能力上限更有价值,那么 Claude Opus 5.5 是更好的工具,而 2.5 倍的溢价就是这种纪律的代价。如果你经常携带超过 25 万 token 的上下文,单看定价表就能决定,而 Opus 5.5 便宜得多。
大多数生产系统不必冒这个险。两个模型都通过 OrcaRouter 上的同一个密钥访问——anthropic/claude-opus-5.5用于审查和验证环节,OpenAI 的各条路由与其并行——按提供商标价、零加价,因此无论哪一方的供应商降价,落地当天就能作用于同一个密钥。将规划和最终审查交给 Opus 5.5、将大部分执行和分析交给 GPT-6.2 Astra 的配置,其成本远低于任一纯选型方案;而 Opus 路由上的自动故障转移,能在提供商遭遇一小时故障时,避免十分钟的首 token 时间演变成十分钟的服务中断。这是大多数团队在收到第一张账单后都会趋同的选择,而如果你从一开始就采用这种路由方式,在收到第一张账单之前就能用上它。
什么会改变这一结论:独立的 GPT-6.2 Astra 在中等努力程度下的评分,这将告诉你,当它被要求像 Opus 5.5 那样长时间思考时,延迟优势是否仍然存在;以及对幻觉那一行进行第二轮测量周期,这是这里唯一一个以金钱无法解决的理由反对更便宜模型的数字。

