GPT-6 Astra
El modelo más capaz de OpenAI, pensado para razonamiento complejo, programación, investigación y creación de documentos. Lidera ARC-AGI-2, GPQA Diamond y la tabla de Humanity's Last Exam de Scale, pero las personas califican sus respuestas de chat solo a mitad de tabla en LMArena.
OpenAIModelo de lenguajeLanzado en septiembre de 2026Datos revisados el 18 de octubre de 2026
Dónde lo sitúa la gente
#2
Programar y crear apps (empate), 6014 votos
#3
Búsqueda web e investigación (empate), 18.483 votos
Según los votos a ciegas de LMArena, donde la gente elige la mejor de dos respuestas anónimas. Mira las tablas completas en el ranking de IA.
Sobre el papel
Rankings de pruebas fijas de la pestaña de benchmarks: Razonamiento #5, Relación calidad-precio #10, Velocidad #18.
Puntos fuertes y débiles
- El mejor puntaje de ARC-AGI-2 en esta lista (95.0%) y el mejor resultado en GPQA Diamond medido por Artificial Analysis (96.1%)
- Segundo puntaje más alto tanto en la LMArena Code Arena como en la LMArena Agent Arena
- Primero en la tabla de Humanity's Last Exam de Scale AI (54.8%, más o menos 1.9)
- Caro ($10 / $50 por millón de tokens) y lento (57 tokens por segundo en Artificial Analysis)
- Solo a mitad de tabla en las tablas de texto y escritura creativa de LMArena
Ideal para
- Problemas difíciles de matemáticas y ciencias
- Proyectos de programación complejos
- Informes de investigación profunda
Todas las puntuaciones que tenemos
Cada barra compara este modelo con el mejor resultado que tiene cualquier modelo de esta página en la misma prueba.
- LMArena, arena de texto (votos humanos)1477,3Puntaje Arena 1477.3 (IC 95% 1471.0 a 1483.6); 12,163 votos; entrada "gpt-6-astra-max"; puesto 30 de 416 en la tabla completa
- LMArena, escritura creativa1449,9Puntaje Arena 1449.9 (IC 95% 1437.7 a 1462.2); 2,718 votos; entrada "gpt-6-astra-max"; puesto 38 de 414 en la tabla completa
- LMArena WebDev (programación)1777,2Puntaje Arena 1777.2 (IC 95% 1766.9 a 1787.5); 6,014 votos; entrada "GPT-6 Astra (Max)"; puesto 2 de 144 en la tabla completa
- LMArena, visión1286Puntaje Arena 1286.0 (IC 95% 1275.2 a 1296.8); 3,590 votos; entrada "gpt-6-astra-max"; puesto 19 de 165 en la tabla completa
- LMArena Agent Arena0,141Puntaje IPS 0.1413 (IC 95% 0.1183 a 0.1643); 13,168 sesiones; entrada "GPT-6 Astra (Max)"; puesto 2 de 52 en la tabla completa
- Artificial Analysis Intelligence Index52,752.7 en el Artificial Analysis Intelligence Index v4.3.2 (AA muestra 53), configuración "GPT-6 Astra (max)"
- Humanity's Last Exam (Artificial Analysis)54,7%54.7% en Humanity's Last Exam (AA, 2,158 preguntas solo de texto), configuración "GPT-6 Astra (max)"
- GPQA Diamond, ciencia de nivel de posgrado96,1%96.1% en GPQA Diamond (AA; ya no forma parte del índice de AA desde v4.2), configuración "GPT-6 Astra (max)"
- Terminal-Bench 4.0 (ejecución de Artificial Analysis)59,1%59.1% en Terminal-Bench 4.0 ejecutado por AA (harness mini-swe-agent), configuración "GPT-6 Astra (max)"
- Razonamiento con contexto largo (AA-LCR)80,7%80.7% en AA-LCR (razonamiento con contexto largo), configuración "GPT-6 Astra (max)"
- MMMU-Pro, comprensión de imágenes86,9%86.9% en MMMU-Pro (comprensión de imágenes, AA), configuración "GPT-6 Astra (max)"
- AA-Omniscience, aciertos menos alucinaciones43,443.4 en el AA-Omniscience Index (precisión de conocimiento menos alucinaciones, rango -100 a 100), configuración "GPT-6 Astra (max)"
- Velocidad de salida, tokens por segundo57 t/s57 tokens de salida por segundo (mediana de AA), fila "GPT-6 Astra (max)"
- Costo por tarea de prueba de Artificial Analysis$3.26$3.26 por ejecutar una tarea del AA Intelligence Index, fila "GPT-6 Astra (max)"
- Artificial Analysis Coding Agent Index61,661.6 en el AA Coding Agent Index v1.5 (DeepSWE v1.1, Terminal-Bench 4.0, SWE-Atlas-QnA), mejor configuración listada "Codex - GPT-6 Astra (max)"
- Ranking de Terminal-Bench 4.058,2%58.2% resuelto en Terminal-Bench 4.0 (más o menos 2.8, IC 95%) con Codex en esfuerzo máximo
- Puzles ARC-AGI-295,0%95.00% en ARC-AGI-2 (conjunto semiprivado), mejor configuración listada "GPT-6 Astra (Max)", $1.12 por tarea
- Puzles ARC-AGI-362,7%62.71% en ARC-AGI-3 (semiprivado, harness estándar; se excluyen las ejecuciones "provider adapter"), mejor configuración listada "GPT-6 Astra (Max)"
- Humanity's Last Exam (Scale AI)54,8%54.80% en la tabla de Humanity's Last Exam de Scale AI (más o menos 1.94), entrada "GPT 6 Astra"
Compáralo con
- Claude Fable 5.1El nivel más alto de Anthropic para el razonamiento más difícil y el trabajo de agentes de largo plazo, que Anthropic recomienda cuando Opus 5.5 no alcanza.
- GPT-6.1 SolEl modelo insignia de precio medio de OpenAI, que OpenAI describe como un rendimiento cercano a Astra a menor costo.
- Qwen3.8 MaxEl modelo Qwen insignia de Alibaba, disponible a través de Alibaba Cloud Model Studio con una ventana de contexto de 1M tokens y una versión del 2 de septiembre (0902).
- Claude Opus 5.5El modelo insignia de Anthropic para programación con agentes de larga duración y trabajo de conocimiento, y el modelo con el que Anthropic sugiere empezar para la mayoría de las tareas.