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

lanvent · 2026-09-05T13:10:00+08:00

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。

1414

lanvent2026-09-05
6010
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。
主楼
Steven_lu2026-09-05
34598
我还是默认max
#1
青四皈依2026-09-05
11551
怎么还有倒反天罡
#2
eroneko2026-09-05
23322
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
#3
BigFace2026-09-05
10098
luna-max这么强吗？
#4
青四皈依2026-09-05
11551
意思是题目太简单了？
#5
wayned2026-09-05
5892
补一张只有 Astra，清晰一点的图：
#6
deepcake2026-09-05
5582
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。
#7
lanvent2026-09-05
6010
让sol分析了下，佬可以看看
#8
refalogy2026-09-05
5344
astra我还以为能几乎满分呢
#9
曦岚2026-09-05
16035
我看x上面说high
#10
时牧2026-09-05
4321
gpt luna（max）把老大哥astra（low）干翻了，下克上
#11
萌面大虾2026-09-05
17916
这样看哈基米3.8 Flash真的好恐怖 ^-^ ^-^
#12
mi_tu2026-09-05
4796
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
#13
mba03gl2026-09-05
27966
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。
#14

发表回复

登录后回复