GPT-6 Astra压力测试：24分钟重建杭州全城，写作能力却退步

会懂网AI资讯，9月8日，OpenAI发布GPT-6 Astra的48小时压力测试结果。开发者用它24分钟重建了可交互的杭州全城模型，一天内造出12人联机射击游戏，巴赫四声部合唱创下基准最高分。不过，其写作能力较前代明显退步，Elo评分下滑80分。

重建一座城市的三维模型，在过去需要专业团队数周的工作量，如今24分钟即可完成。这反映出模型在空间理解、代码生成与任务规划上的综合能力——它需要的不仅是生成几何体，还要保证尺度与结构的合理性。

一天造出12人联机射击游戏，则展示了模型在复杂系统工程中的能力。多人联机涉及服务端架构、状态同步、碰撞检测等一系列技术问题，能在一天内完成可运行的版本，说明模型对软件工程的理解已相当深入。

但写作能力退步是一个值得关注的信号。Elo评分下滑80分意味着在文本创作这一维度上，新模型反而不如上一代。这可能是因为训练目标向代码与推理倾斜，牺牲了部分语言表达的细腻度。

这种”偏科”现象在大模型迭代中并不罕见。训练资源有限，优化某些能力往往以牺牲其他能力为代价。但对用户而言，这意味着选择模型时需要更明确自己的核心需求，而非默认新版本全面更强。

更值得注意的是定价：Astra的API价格是上一代的2.5倍。在部分能力退步的同时大幅提价，用户是否愿意买单，将取决于其在核心场景——编程、智能体、复杂推理——上带来的价值提升是否足够显著。

从用户选择看，能力分化意味着”一个模型通吃”的时代正在结束。编程与智能体任务可以用Astra，写作与创意任务或许前代模型更合适。多模型并行使用、按任务分配，正在成为专业用户的主流工作方式。