GPT-6 Astra vs GLM-5.5：這場比較的其中一方無法被測試

2026 年 10 月 6 日，一個第三方科技網站發表了一篇報導，其標題斷言GLM-5.5擊敗了 Mythos 5.1 與GPT-6 Astra。這項說法正是本頁存在的原因，而值得精確釐清的是它究竟是什麼：一個把兩種本質不同的事物混為一談的標題。GPT-6 Astra 是一款已正式推出的模型——O​penAI 於 2026 年 9 月 3 日發布，其識別碼為 gpt-6-astra，擁有四項已公布的評測指標、經文件記載的 1,050,000 詞元上下文視窗，以及在 Artificial Analysis Intelligence Index 上的評比名次，任何人都能查閱。GLM-5.5 則是一個從未出現在 Z.ai 發布日誌、模型卡、費率表，或該實驗室所擁有的任何程式碼儲存庫中的版本號。截至 2026 年 10 月 15 日，它背後沒有任何可供基準測試、呼叫或定價的成品。

因此，這種比較誠實的形式並不是正面對決。它是在描述雙方各自能拿出什麼作為證據，以及在對決成真之前，必須出現哪些具體且可查核的事項。結果這比一份規格表還更有用，因為這個模式——一個外洩的版本號取得了它承載不了的基準測試宣稱——正是讀者在這條產品線中不斷遇到的模式。

用一段話說明 GLM-5.5 是什麼

它是一個被自身所屬譜系跳過的名稱。Z.ai 的發布日誌在 2026 年 8 月 18 日列出 GLM-5.3，並在 8 月 26 日列出 GLM-5.3-Flash；該公司的說明文件列出這兩款再加上 GLM-5.2 之後就停了。5.4 和 5.5 這兩個位置，是從一份較舊的分析師預測往上推估而來，而該公司自己在 8 月 31 日的財報電話會議中，將 GLM-6.0 指為下一代基礎模型——直接跳過了這兩個編號。完整的九個面向查核，連同 URL 與可據以重新執行的方法，都放在我們為這個名稱設立的參考頁面上。這裡真正要緊的重點更為狹窄：外洩的編號並不是規格，而附掛在外洩編號上的基準測試說法，任何人都無法查核，包括發布它的人。

兩種模型，兩種證據

把雙方放在相同的衡量面向下來看，這種不對稱就不再只是修辭：

• 費率表 —— GPT-6 Astra 每 100 萬 token 輸入 $10.00、快取 $1.00、快取寫入 $12.50、輸出 $50.00，相較之下 GLM-5.5 則什麼都沒公布，因為根本沒有定價頁面可以公布

• 長提示詞級距——GPT-6 Astra 在超過 272,000 個輸入 token 時重新定價為 $20.00 / $75.00，而 GLM-5.5 則無條款可述

• 上下文視窗 — GPT-6 Astra 輸入 1,050,000 個 token，輸出 128,000 個，對比 GLM-5.5 未說明

• 輸入模態 — GPT-6 Astra：文字、圖像與檔案輸入，文字輸出；GLM-5.5：未說明

• 識別符 — GPT-6 Astra gpt-6-astra，可在 OpenAI 的文件及我們的型錄中查得；而 GLM-5.5 在任何廠商介面上皆無識別符

• 獨立評分 — GPT-6 Astra 在 Artificial Analysis Intelligence Index 上為 53，每秒輸出 44.6 個 token，每項完成的 index 任務為 $3.26，相較於 GLM-5.5 未列入，且無法產出任何一項

• 基準測試宣稱 — GPT-6 Astra：一份廠商表格（98% FrontierMath Tier 4、99.9% ARC-AGI-3、100% ExploitBench、57.9% Terminal-Bench 4.0），每個數字皆可歸因於 O​penAI，且每一項在下方與 GLM-5.5 相比時都附有但書；對比 GLM-5.5，則是一項沒有數字、沒有評測框架，也沒有模型的比較性斷言

• 權重 — GPT-6 Astra 閉源，僅提供 API；GLM-5.5 則不釋出

Astra 紀錄中經得起嚴格檢驗的部分，以及經不起檢驗的部分

由於本頁的一方擁有完整的證據基礎，而另一方完全沒有，這篇文章更能發揮價值的地方，在於精確說明 Astra 紀錄中有多少內容是關鍵支撐。

獨立的那一半很紮實。Artificial Analysis 在其目前的智慧指數上，以十項評估測得 GPT-6 Astra 為 53，在該排行榜的 216 個模型中排名第七，每項完成的指數任務為 3.26 美元，且在整次執行期間產出約 6,000 萬個輸出 token——比排行榜中位數約 8,500 萬更精簡。其測得速度為每秒 44.6 個輸出 token，在 185 個模型中速度排名第 168，而這不是四捨五入造成的假象：對一個會進行大量循序呼叫的代理而言，吞吐量是一條成本項目。這些數字來自一個公開其方法論的評估機構，而它們正是讀者應該據以規劃的數字。

廠商公布的那一半必須附上標籤。OpenAI 在 FrontierMath Tier 4 上回報 98%，並稱該層級已飽和；在 ARC-AGI-3 上回報 99.9%，並聲稱在 96% 的關卡上與人類的行動效率持平；在 ExploitBench 上回報 100%，其中 Astra 是第一個跨越該公司 Critical 網路安全門檻的 OpenAI 模型；以及在 Terminal-Bench 4.0 上回報 57.9%，而 GPT-5.6 Sol 為 37.3%。這些結果無一經過獨立重現。ARC-AGI-3 的那個數字最需要附上註腳，而 ARC Prize 補上了這個註腳：在標準測試框架下，模型只能沿用自己為自己寫下的筆記，Astra 得分為 62.7%；99.9% 則是在會在請求之間保留推理狀態的供應商轉接器下測得。兩欄資料都已公布。這 37 個百分點的落差，正是測試框架造成的差距；任何人拿 99.9% 去對比競爭對手的標準測試框架數字，都是在比較兩個不同的實驗。

把這套紀律套用到 10 月 6 日的那項宣稱上，它在第一步就失敗了。沒有可指名的評測框架，沒有可比較的分數，沒有可保持不變的配置，也沒有可固定下來的模型識別碼。「Beats GPT-6 Astra」還不是一項能判定真假的宣稱；它是一項等待主體的宣稱。

你真正可以在 Astra 上執行的 GLM

如果搜尋背後的真正問題是「我該用 GLM 還是 OpenAI 的旗艦模型」，那麼報告裡的名字並不是答案裡的名字。Z.ai 正式推出的文字旗艦模型是 GLM-5.3，於 2026 年 8 月 18 日發布，權重自 8 月 25 日起在 Hugging Face 上提供——這是一個 7,530 億參數的混合專家模型，每個 token 約有 400 億參數處於啟用狀態，具備 1,000,000 token 的上下文視窗、128,000 token 的輸出上限，且僅支援文字輸入與文字輸出。思考功能永遠開啟；深度則透過 reasoning_effort 設定。它採用的是自訂授權而非開放授權，如果你打算在權重之上進行開發，而不只是呼叫 API，這是一項實實在在的限制。

與 GPT-6 Astra 相較，這樁取捨的形狀是一場價格與冗長度之間的取捨，而它的後半部，正是沒有人會引用的那一半：

• 價格 — GPT-6 Astra 每 1M 為 $10.00 / $50.00，對比 Z.ai 自家費率表上 GLM-5.3 的 $1.40 / $4.40；而在我們的目錄上則標示為 $1.26 / $3.96

• 獨立指數 — GPT-6 Astra 53 對 GLM-5.3 45，兩者皆採用現行的 Artificial Analysis 評分尺度

• 每項已完成索引任務的成本 — GPT-6 Astra $3.26 對比 GLM-5.3 $2.01

• 該次執行的輸出 token —— GPT-6 Astra 60M 對比 GLM-5.3 210M，相較於排行榜中位數約 85M

• 吞吐量 — GPT-6 Astra 每秒 44.6 個 token，對比 GLM-5.3 的 58.2

第四行才是會改變決策的那一行。GLM-5.3 的費率表在輸入上大約是 Astra 的七分之一，在輸出上則是十一分之一，但完成一項索引任務仍要花 $2.01，而 Astra 是 $3.26——這個差距遠比費率表所顯示的還要窄。原因是冗長：同一套測試中，它輸出了 2.1 億個 token，Astra 只有 6,000 萬個。便宜的 token 乘上多話的模型，並不會保持便宜。這也是為什麼我們目錄上顯示的 $1.26 / $3.96 沒有表面上看起來那麼重要：在模型消耗量高出 3.5 倍的計費項目上，10% 折扣與 token 數量差異相比，只是很小的影響。

有一項更正應該載入正式紀錄，而非放在註腳，因為它會影響任何持有較舊數字的人：這條線先前的報導，包括我們自己八月的文章，曾引用 GLM-5.3 在 Artificial Analysis Intelligence Index 上為 60。那是八月當時版本指數的讀數。同一個模型在今日運行的尺度上讀數為 45，因為指數本身已修訂。數字並沒有下降；是尺規變了。任何把某個指數版本的數字與另一個指數版本的數字混在一起的比較，都不是比較，這與拿 Astra 的 99.9% ARC-AGI-3 去對比採用標準測試框架的對手，是同一種失效模式。

路由的適用位置

這一切有個實際的測試，而那就是型錄所執行的那個測試。GPT-6 Astra 在 OrcaRouter 上解析為 openai/gpt-6-astra，GLM-5.3 解析為 z-ai/glm-5.3，兩者都位於同一個 OpenAI 相容端點之後，以供應商定價表價格原樣轉嫁，我們不收取任何加成——因此 Z.ai 的價格變動與 OpenAI 的價格變動，兩者都會在公布當天落到同一組金鑰上，而且 在兩者之間移轉流量，只是變更一個模型字串，而不是另立第二份合約。一個解析不到任何內容的名稱，是另一種訊號，而且這個查詢執行起來成本很低。

這在這裡有特定用途。要針對你自己的流量解決 GLM 與 Astra 之爭，做法是讓兩者各自跑你自己的任務集，而架設那個實驗的成本，正是共享端點所省下的部分。它也能讓你在不進行實驗的情況下，得到答案中較便宜的那一半：Astra 在超過 272,000 個 token 之後的 $20.00 / $75.00 區間，正好落在 GLM-5.3 的均一價 $1.26 / $3.96 所不在的位置，因此長脈絡工作負載在任何基準測試被參考之前，就有價格上的理由偏好 GLM。

並未為 GLM-5.5 宣告任何路由，因為根本沒有可路由的對象：它只是一個名稱，而對它進行目錄查詢會傳回「找不到」，而不是一個模型。

什麼會讓這個頁面過時？

這份清單很短，而且每一項都可獨立查核，而這正是重點。當 Z.ai 的文件上出現附有識別碼的模型卡時，當費率表的某一列載有它時，當該實驗室擁有的 Hugging Face 儲存庫以具名授權釋出權重時，當獨立評測者為它設有專頁時，以及當對目錄進行查詢時回傳的是一個模型、而不是 404 時，GLM-5.5 才算真實存在。上述任何一項都是強烈訊號。在至少一項成真之前，任何描述 GLM-5.5 對上 GPT-6 Astra 表現如何的報告，都只是在描述一場產品與預測之間的比較。

因此，今天對這場對決站得住腳的解讀，並非裁決，而是一種分工。GPT-6 Astra 是證據更充分的模型，也是更昂貴的模型，而它最弱的地方，恰恰是 GLM 最強之處：長上下文、高用量，以及輸出冗長度是主要成本的工作。GLM-5.3 是更便宜的計價單位，但支出速度較慢，獨立評分低了 8 分，而且無論價格如何都無法處理圖像。如果 GLM-5.5 真的推出，首先該留意的數字不是它的基準測試成績——而是它在固定測試套件上的輸出 token 數量，因為歷史上正是這個數字把 GLM 的價格優勢壓縮到幾乎蕩然無存。

發布也是檢查過去出了什麼問題的時機：與這類模型相關、已記錄在案的 AI 事故與代理失效，都彙整於 OrcaRouter AI Incident Archive，其中每筆條目都附有各自的來源、嚴重程度、信心等級與爭議標記。