Claude Opus 5.5 對決 GPT-6 Astra：6 美元的差距，以及 Astra 在 272K 以上加收的第二筆價格

兩家廠商本月都為自家的旗艦機型發布了基準測試表，每一份都顯示自家模型勝出，而兩份表格中都沒有任何一列是讓兩個模型同場較勁的。Claude Opus 5.5於 2026 年 9 月 22 日推出，每百萬輸入 token 收費 4 美元，而GPT-6 Astra於 2026 年 9 月 3 日推出，每百萬輸入 token 收費 10 美元，兩者之間恰好只有兩項基準測試重疊——而且各勝一項，在 Ant​hropic 的表格中由 Opus 5.5 拿下 AutomationBench 類的工作項目，在 Open​AI 的表格中則由 Astra 拿下，而 Astra 在科學推理方面於兩份表格中都明顯領先。這就是廠商資料所能告訴你的事。獨立評測的結果則不那麼模稜兩可，而且指向相反的方向，至於價格方面的落差，比這兩者都更加懸殊。

各方發表了什麼

Anthropic 針對 Opus 5.5 的表格採用其自家測試框架與自家的 effort 設定，而其中列出 Astra 的數字是 Anthropic 的數據，並非重新執行所得。請將整組資料視為廠商自行提報：

• Terminal-Bench 4.0 — Claude Opus 5.5 66.4% 對上 GPT-6 Astra 57.9%（Anthropic 指出 Opus 那次的執行使用了 xhigh 努力程度）

• FrontierCode v1.1 — Claude Opus 5.5 54.4% 對比 GPT-6 Astra 53.3%

• GDPval-AA v2.1，知識工作 — Claude Opus 5.5 1,846 Elo 對 GPT-6 Astra 1,542

• AutomationBench — Claude Opus 5.5 40.0% 對 GPT-6 Astra 41.4%（Astra 領先）

• Terminal-Bench-Science 0.1 — Claude Opus 5.5 58.7% 對比 GPT-6 Astra 64.6%（Astra 領先）

• 人類最後的考試，使用工具 — Claude Opus 5.5 67.7% 對上 GPT-6 Astra 57.2%

OpenAI 這一邊較難對齊，因為 OpenAI 發表 Astra 時，拿來對比的是自家前代模型，而不是 Anthropic 的旗艦模型；而且它選擇的基準測試——電腦操作、前端工程、一般知識——大多根本沒出現在 Anthropic 的表格中。這並非不誠實，而是正常的發表做法，也正因如此，用兩份廠商表格拼出來的比較，是兩種挑選結果的比較，而不是兩個模型的比較。兩份表格唯一一致的點是：Astra 在代理式科學與電腦操作上很強，而且兩個模型在程式設計上足夠接近，接近到測試框架的選擇就可能改變結果。

獨立解讀，兩家供應商皆未選擇

Artificial Analysis 以同一套公開配置執行每一個模型，因此其數字是這裡唯一由相同評估者在相同條件下所產生的：

• 智慧指數 — Claude Opus 5.5 58，於 210 個中排名第 1，對比 GPT-6 Astra 53，排名第 6

• 設定標籤 — Claude Opus 5.5「自適應推理、最高投入、預設後備」，GPT-6 Astra「max」

• 輸出速度 — GPT-6 Astra 每秒 52.5 個 token，在其價格帶中處於偏低水準；相較於尚未發布的 Claude Opus 5.5

• 首個 Token 時間 — GPT-6 Astra 352.15 秒，對比排行榜中位數 3.83 秒；Claude Opus 5.5 尚未公布

• 價格 — Claude Opus 5.5 每百萬 $4.00 輸入 / $20.00 輸出，對比 GPT-6 Astra $10.00 / $50.00

• 上下文與輸出 — GPT-6 Astra 的 1M 上下文與 128K 最大輸出，對比 Claude Opus 5.5 的 1M 與 128K

五分的指數差距本身並不具決定性，也不該被解讀為決定性——兩個模型落在同一個能力區間，而這正是本季「前沿」的定義。Astra 那幾列真正確立的是：這個較高價位並沒有在兩個模型都出現的那個榜單上買到能力領先。延遲那一列則是坦白存在的難題：首個 token 要 352 秒，大幅高於這組中的其他項目，不過這是在最大努力設定下測得的，而一個先思考再輸出的推理模型，用這項指標來衡量永遠會顯得慢。52.5 tokens/秒 這個數字則更具通用性，而對一個定價 $10/$50 的模型而言，這屬於偏低的一側。

Astra 的第二個價格，高於 272,000 枚代幣

價目表是這兩者完全無法相比的地方，因為 Astra 的定價有一個級距。標準費率為每百萬個 token：輸入 $10.00、快取輸入 $1.00、快取寫入 $12.50、輸出 $50.00。然而，一旦超過 272,000 個輸入 token，整個請求就會重新計價——不是只有超出部分，而是整通呼叫——輸入與快取費率變成 2 倍，輸出變成 1.5 倍。這使得長上下文工作的價格大約落在每百萬個 token：輸入 $20、輸出 $75。

Claude Opus 5.5 並不會這麼做。Anthropic 以標準定價收取 $4.00 和 $20.00，並提供完整的 1M token 視窗，且明確表示 900K token 的請求，其每 token 計費費率與 9K token 的請求相同。因此，這兩者之間最顯眼的比率——Astra 在雙向成本上都是 Opus 5.5 的 2.5 倍——並非適用於這兩款模型實際銷售所對應工作負載的比率。在承載龐大工作上下文的長時程代理上，比較是 $20/$75 對上 $4/$20，也就是輸入相差五倍、輸出相差近四倍。批次定價只會加劇而非解決這個問題：Opus 5.5 減半至 $2.00/$10.00，而 Astra 的彈性層級則在長情境情況下、原本就已高出五倍的基準上，減半至 $5.00/$25.00。

這是這場對決中唯一與決策最相關的不對稱，而且在兩家公司各自的發布表格中都看不出來，因為兩家供應商都只報主打費率。如果你的提示低於 272K token，可以忽略這點。如果你正在打造一個會讀取儲存庫或文件集的代理，在你比較任何東西之前，先以 $20/$75 來計價。

存取是規格的一部分

Astra 是 OpenAI 首個在公司自家 Preparedness Framework 下跨越「關鍵網路安全能力」門檻的模型，而這次的發布反映的是該分級，而非產能。存取權一開始只開放給少數組織，企業存取需要管理員先開啟，使用者才看得到，而出貨的模型會直接拒絕某些類別的工作。Claude Opus 5.5 則從另一個方向帶著同一問題的某種版本登場：它出貨時搭載的是 Anthropic 先前保留給 Claude Fable 5.1 的防護層級，這意味著大多數網路安全請求會被重新導向至 Claude Opus 4.8，而生物學相關工作則會退回由 Claude Opus 5 處理，除非帳號已通過驗證。

這兩種行為都會出現在同一個地方，也就是你的評估。Artificial Analysis 將 Opus 5.5 的設定標記為「Default Fallback」，正是因為請求可能會落在與你指定不同的模型上，而在安全性或生命科學的提示中，這種情況經常發生。如果你的工作負載屬於這些領域，請求中的模型字串並不保證實際回答的模型，而你的品質數據將會在未知比例的呼叫中包含較小的模型。兩家供應商都沒有隱瞞這一點——兩者都有記載——但兩者的標題也都沒有提及。

在它們之間做選擇

這場對決真正拋出的抉擇是：長上下文工作負載是否值得 Astra 的階梯式定價；而對多數團隊來說，答案會是否定的：Opus 5.5 在 272K 以下的每一項都更便宜，超過之後更是便宜得多，在唯一一個獨立榜單上得分更高，而且能達到 100 萬個 token 的上下文，不必額外付費。Astra 的立論更狹窄但真實——科學推理、電腦操作，以及 OpenAI 生態系的工具——如果你的評估顯示它在這些方面勝出，那筆溢價就只是一項支出明細，而不是錯誤。

這件事真正變得實用的地方，在於你要如何讓這兩個模型互相對照，因為公平的比較需要兩個模型使用同一把金鑰、同一份帳單。兩者都能透過 OrcaRouter，以供應商定價、零加成的方式進行路由——Claude Opus 5.5 依 Anthropic 的 $4.00/$20.00 計價，GPT-6 Astra 則是 $10.00/$50.00——這意味著 272K 的抉擇可以直接在你的實際流量上測試，而不是靠兩份新聞稿來爭論。把 Astra 固定在它勝出的任務類別，並讓automatic failover接手其餘的部分，這是一條路由規則；而跨越 272K 這條線的請求，可以在不需修改程式碼的情況下改走更便宜的路徑，因為規則存在於路由器中，而不是你的應用程式裡。

什麼會改變答案？

有一件事可以辦到：在共同基準上、以相稱投入程度進行的受控正面對決。兩家廠商都沒有發表過這樣的結果，也都沒有動機這麼做，這使得獨立指數成為唯一可取得的同條件比較——而該指數顯示，Opus 5.5 領先 Astra 五分、五個名次，token 價格卻不到一半。值得留意的反駁論點是：兩個模型都是在最高投入程度下評分，而 Opus 5.5 出貨時預設為中等。若 Astra 在長程科學工作上的優勢能在相同投入的測試中依然成立，那麼支持其較高定價的理由只會更強，而非更弱。在有人實際跑過之前，站得住腳的立場是：Astra 是依通才價格定價的專才，而 Opus 5.5 則是恰好得分較高的通才。