DeepSWE更新了GPT-6 Astra各档位的结果：xhigh最聪明，medium性价比最高

lanvent 2026-09-05 13:10 1

虽然其他家已经把DeepSWE刷成野榜了，但我还是愿意相信OAI有道德，看看Astra自己的成绩。

档位	Pass@1	平均成本/任务	输出 Tokens	步数
low	67% ±1%	$2.19	11k	20	省钱档位
medium	73% ±3%	$4.38	20k	26	性价比首选
high	73% ±3%	$5.72	27k	27
xhigh	74% ±3%	$6.52	30k	29	最聪明
max	73% ±1%	$12.37	61k	28

日常开发medium很适合，高智力需求选择xhigh。

最新回复 (14)

Steven lu 09-05 13:11

1楼

我还是默认max
青四皈依 09-05 13:12

2楼

怎么还有倒反天罡
eroneko 09-05 13:13

3楼

Astra提高思考强度只会增加思考token不会增加步数，换言之对于deepswe这个任务从medium往上几乎都是无效思考了？一通思考之后操作其实还是差不多
BigFace 09-05 13:13

4楼

luna-max这么强吗？
青四皈依 09-05 13:13

5楼

意思是题目太简单了？
wayned 09-05 13:20

6楼

补一张只有 Astra，清晰一点的图：
deepcake 09-05 13:24

7楼

Openai以前就刷过分了吧，所以DeepSWE看起来提升不大，Astra、SOL、TERRA、Luna的分数都很接近。
lanvent 楼主 09-05 13:28

8楼

让sol分析了下，佬可以看看
refalogy 09-05 13:37

9楼

astra我还以为能几乎满分呢
曦岚 09-05 13:38

10楼

我看x上面说high
时牧 09-05 13:42

11楼

gpt luna（max）把老大哥astra（low）干翻了，下克上
萌面大虾 09-05 20:09

12楼

这样看哈基米3.8 Flash真的好恐怖 ^-^ ^-^
mi tu 09-05 20:33

13楼

3.8用下来还是gemini的感觉贼自信，用久了就瞎改，但是日常对话或者一轮写前端之类的确实很强了
mba03gl 09-05 20:37

14楼

Gemini 这个模型的能力要是认真干活就是日翻一切的节奏，天知道谷歌是怎么调教的。