GPT-6 Astra 对决 GLM-5.5：这场对比中有一方无法被测试

2026年10月6日，一家第三方科技网站发布了一篇报道，其标题声称GLM-5.5击败了 Mythos 5.1 和 GPT-6 Astra。这一说法正是本页面存在的原因，而值得精确说明它究竟是什么：一个关于两种并非同类事物的标题。GPT-6 Astra 是一个已发布的模型——OpenAI 于 2026 年 9 月 3 日发布它，它带有标识符 gpt-6-astra，有四个已公布的指标、一个记录在案的 1,050,000 个 token 上下文窗口，以及在 Artificial Analysis Intelligence Index 上的一个任何人都能查看的排名。GLM-5.5 是一个版本号，从未出现在 Z.ai 的发布日志、模型卡、费率卡或该实验室拥有的任何代码库中。截至 2026 年 10 月 15 日，它背后没有任何可供基准测试、调用或定价的产物。

所以，这种比较的诚实形态并不是正面对决。它描述的是双方各自能作为证据支持什么，以及在真正形成对决之前，必须出现哪些具体、可核查的东西。事实证明，这比一份规格表更有用，因为这种模式——一个泄露的版本号获得了它承载不了的基准测试说法——正是读者在这条产品线上不断遇到的。

用一段话说明 GLM-5.5 是什么

它属于一个谱系，而这个谱系却跳过了它。Z.ai 的发布日志显示，GLM-5.3 于 2026 年 8 月 18 日发布，GLM-5.3-Flash 于 8 月 26 日发布；该公司的文档只列出这两者加上 GLM-5.2，然后就没有了。5.4 和 5.5 这两个位置，是从一份较早的分析师预测往上推想出来的，而公司自己在 8 月 31 日的财报电话会议上把 GLM-6.0 定为下一代基础模型——直接跳过了这两个编号。完整的九面审计，连同 URL 和可供复现的方法，都放在我们关于该名称的参考页面上。这里真正要紧的问题要窄得多：泄露出来的编号不等于规格说明，而附在一个泄露编号上的基准测试说法，任何人都无法核查，包括发布它的人。

两种模型，两类证据

把双方放在相同的维度上衡量，这种不对称就不再只是修辞：

• 价目表 — GPT-6 Astra 每 1M 输入 $10.00，缓存 $1.00，缓存写入 $12.50，输出 $50.00；而 GLM-5.5 什么都没公布，因为根本没有可供发布的定价页面

• 长提示词区间 — GPT-6 Astra 在超过 272,000 个输入 token 时重新定价为 $20.00 / $75.00，而 GLM-5.5 无条款可说明

• 上下文窗口 — GPT-6 Astra 输入 1,050,000 tokens，输出 128,000，对比 GLM-5.5 未说明

• 输入模态 — GPT-6 Astra 支持文本、图像和文件输入，输出文本；GLM-5.5 未说明

• 标识符 — GPT-6 Astra gpt-6-astra，可在 O​penAI 的文档以及我们的目录中解析；相比之下，GLM-5.5 在任何厂商界面上都没有标识符

• 独立评分——在 Artificial Analysis 智能指数上，GPT-6 Astra 得 53 分，每秒输出 44.6 个 token，每完成一项指数任务花费 3.26 美元；而 GLM-5.5 没有条目，也无法生成一个

• 基准测试声明——GPT-6 Astra 的一张厂商表格（98% FrontierMath Tier 4、99.9% ARC-AGI-3、100% ExploitBench、57.9% Terminal-Bench 4.0），每个数字均可归因于 O​penAI，且每个数字在下文与 GLM-5.5 对比时均附有保留说明；那是一项没有数字、没有测试框架、也没有模型的比较性断言。

• 权重 — GPT-6 Astra 闭源，仅提供 API，而 GLM-5.5 不发布任何权重

Astra 记录中经得起审查的部分，以及经不起审查的部分

由于本页的一方拥有完整的证据基础，而另一方完全没有，这篇文章能做的更有价值的事，就是准确说明 Astra 记录中有多少是真正起支撑作用的。

独立的那一半很扎实。Artificial Analysis 在其当前的 Intelligence Index 上，通过十项评估测得 GPT-6 Astra 为 53 分，在该榜单的 216 个模型中位列第七；每完成一项指数任务花费 3.26 美元，整轮运行生成约 6000 万输出 token——比榜单中位数约 8500 万更简洁。其测得速度为每秒 44.6 个输出 token，在速度上位列 185 个中的第 168 位，这不是四舍五入造成的假象：对于需要大量顺序调用的 agent 来说，吞吐量是一条成本项。这些数字来自一个公开其方法的评估方，也是读者应当据此做规划的数值。

厂商自报的那一半需要附上标签。OpenAI 报告 FrontierMath Tier 4 达到 98%，并将该层级描述为已饱和；ARC-AGI-3 达到 99.9%，并声称在 96% 的关卡上达到与人类同等的动作效率；ExploitBench 达到 100%，Astra 是首个跨过该公司 Critical 网络安全阈值的 OpenAI 模型；Terminal-Bench 4.0 达到 57.9%，而 GPT-5.6 Sol 为 37.3%。这些结果都没有被独立复现。ARC-AGI-3 的那个数字最需要加脚注，而 ARC Prize 提供了脚注：在标准测试框架下，模型只能沿用自己为自己写下的笔记，Astra 得分为 62.7%；99.9% 是在一种会在请求之间保留推理状态的供应商适配器下测得的。两列数据都已公布。这 37 个百分点的差距就是测试框架的差距，任何拿 99.9% 去对比竞争对手标准框架成绩的人，都是在比较两个不同的实验。

把那条准则套用到10月6日的说法上，它在第一步就会失败。没有可以指名的测试框架，没有可以比较的得分，没有可以保持不变的配置，也没有可以固定的模型标识符。“Beats GPT-6 Astra”还不是一个能判定真假的说法；它是一个等待主体的说法。

真正可以针对 Astra 运行的 GLM

如果搜索背后的问题是“我该用 GLM 还是 OpenAI 的旗舰模型”，那么报告里的名字并不是答案里的名字。Z.ai 正在出货的文本旗舰是 GLM-5.3，于 2026 年 8 月 18 日发布，权重自 8 月 25 日起在 Hugging Face 上提供——这是一个 7530 亿参数的混合专家模型，每个 token 约激活 400 亿参数，上下文窗口为 1,000,000 token，输出上限为 128,000 token，且仅支持文本输入和文本输出。思考始终开启；深度通过 reasoning_effort 设置。它采用自定义许可证，而非开源许可证；如果你打算基于权重进行构建，而不是调用 API，这是一个实实在在的限制。

与 GPT-6 Astra 相比，这种权衡的形态是价格与啰嗦程度的权衡，而它的后半部分，才是没人引用的那一半：

• 价格 — GPT-6 Astra 每 100 万 $10.00 / $50.00，而 GLM-5.3 在 Z.ai 自家价目表上为 $1.40 / $4.40，在我们的目录中则显示为 $1.26 / $3.96

• 独立指数 — GPT-6 Astra 53 对比 GLM-5.3 45，二者均基于当前 Artificial Analysis 评分标准

• 每完成一个索引任务的成本 — GPT-6 Astra $3.26 vs GLM-5.3 $2.01

• 那次运行的输出 token 数——GPT-6 Astra 60M 对比 GLM-5.3 210M，而榜单中位数约为 85M

• 吞吐量 — GPT-6 Astra 每秒 44.6 个 token，而 GLM-5.3 为 58.2

那第四行才是改变决策的关键。GLM-5.3 的价目表在输入上大约只有 Astra 的七分之一，在输出上只有十一分之一，但完成一个索引任务仍要花 $2.01，而 Astra 是 $3.26——这一差距远小于价目表所显示的程度。原因在于冗长：同一套件下，输出 210M token，而 Astra 为 60M。便宜的 token 乘以话多的模型，并不会保持便宜。这也是为什么我们目录中显示的 $1.26 / $3.96 没有看起来那么重要：对一个模型消耗量达到 3.5 倍的计费单位打 10% 折扣，相较于 token 数量差异而言，只是很小的影响。

有一处更正应当正式记录在案，而不是写进脚注，因为它关系到每一位手上还拿着旧数字的人：本系列此前的报道，包括我们自己在八月的那篇文章，都称 GLM-5.3 在 Artificial Analysis Intelligence Index 上得分为 60。那是八月当时所用指数版本上的读数。同一个模型在今天运行的量表上读数为 45，因为指数本身经过了修订。数字没有下降，是尺子变了。任何把一个指数版本的数值与另一个指数版本的数值混在一起的比较都算不上比较——这与拿 Astra 的 99.9% ARC-AGI-3 去对比采用标准测试框架的对手，属于同一种失效模式。

路由的定位

这一切之中有一个实际的检验，而它正是目录所执行的那种检验。GPT-6 Astra 在 OrcaRouter 上解析为 openai/gpt-6-astra，GLM-5.3 解析为 z-ai/glm-5.3，两者都位于同一个 OpenAI 兼容端点之后按提供商列表价透传，我们不收取任何加价——所以Z.ai 的费率变动和 OpenAI 的费率变动，都会在公布当天落到同一把密钥上，而在两者之间切换流量，改的是模型字符串，而不是再签一份合同。一个什么都解析不出来的名字则是另一种信号，而且这个查询跑起来很便宜。

那在这里有特定用途。要针对你自己的流量解决 GLM 与 Astra 之间的取舍问题，方法是用你自己的任务集同时跑两者，而搭建这个实验的成本，恰恰是共享端点所消除的。它还能让你无需实验就得到答案中更便宜的那一半：Astra 在 272,000 个 token 以上的 $20.00 / $75.00 区间，恰恰是 GLM-5.3 统一 $1.26 / $3.96 所不在的位置，因此长上下文工作负载在参考任何基准测试之前，就有价格理由更偏好 GLM。

没有为 GLM-5.5 声明任何路由，因为没有什么可供路由：它只是一个名称，对它的目录查询返回的是未找到，而不是一个模型。

什么会导致这个页面过时？

这份清单很短，且每一项都可独立核查，而这正是关键所在。当 Z.ai 的文档中出现一张带有标识符的模型卡，当价目表中出现一行载有它，当由该实验室拥有的 Hugging Face 仓库以具名许可证发布权重，当独立评测方为它设有页面，以及当对某个目录发起查询返回的是一个模型而不是 404 时，GLM-5.5 才算真实存在。其中任何一项都是强烈的信号。在至少有一项出现之前，任何描述 GLM-5.5 相对 GPT-6 Astra 表现如何的报告，都只是在描述一个产品与一个预测之间的比较。

因此，今天对这场对决站得住脚的解读，不是判定谁胜谁负，而是一种分工。GPT-6 Astra 是证据更充分的模型，也是更贵的那个，而它最薄弱的地方恰恰是 GLM 最强的地方：长上下文、高吞吐量，以及那种输出啰嗦程度构成主要成本的工作。GLM-5.3 是更便宜的计价器，花钱也更慢，其独立评分低 8 分，而且无论出多少钱都看不了图像。如果 GLM-5.5 真的发布，首先该看的数字不是它的基准测试成绩——而是它在固定测试集上的输出 token 数，因为从历史上看，正是这个数字把 GLM 的价格优势压缩到几乎为零。

发布也是回查以往出过哪些问题的时刻：围绕这一类模型，有记录的 AI 事故和智能体故障都汇集在 OrcaRouter AI 事故档案库中，其中每条记录都附有自己的信息来源、严重程度、置信度等级和争议标记。