OpenAI的GPT-6 Astra在Epoch Capabilities Index（ECI）上以166分排在首位，领先Anthropic的Claude Fable 5.1（164分）和OpenAI自家的GPT-5.6 Sol（162分）。但这一综合排名掩盖了一些复杂性：其Math-ECI达到170，创下新纪录，而在软件工程基准上，Astra的SWE-ECI为164，仍落后于Fable 5.1的167。
综合、数学与软件工程ECI分数（含90%置信区间）
ECI是Epoch做的一个综合能力衡量指标。这次比较了四个模型：GPT-6 Astra、Claude Fable 5.1、GPT-5.6 Sol，还有Moonshot的Kimi K3。
综合分上，GPT-6 Astra为166.31，Claude Fable 5.1为164.47，GPT-5.6 Sol为161.81，Kimi K3为157.63。
拆开看，ECI还做了两个领域版本：Math-ECI和SWE-ECI。它们是领域特定的ECI，仅基于某一个领域的基准重新拟合，衡量模型相对于综合表现的实力。
- Math-ECI：GPT-6 Astra 169.83，Claude Fable 5.1 165.73，GPT-5.6 Sol 162.76，Kimi K3 158.39
- SWE-ECI：Claude Fable 5.1 167.44，GPT-6 Astra 163.58，Kimi K3 161.54，GPT-5.6 Sol 160.47
数学赛道，Astra领先第二名4分多。软件工程赛道，它落后Fable 5.1将近4分。
169到166，分数是怎么掉下来的
Epoch提到一个细节：基于发布前的评估，他们当时给Astra的ECI是169。但发布之后，随着更多软件工程基准结果出来，这个数字回落到了166.31。
对比表里能看到这个过程。2026年9月3日的快照上，GPT-6 Astra的ECI是169.23，当时只用了1个SWE基准（MirrorCode）。到了9月15日，ECI变成166.31，SWE基准增加到了4个：MirrorCode、WeirdML、DeepSWE、FrontierCode。
Claude Fable 5.1走的是反方向。9月3日它的ECI是162.88，只用了1个SWE基准（FrontierCode）；9月15日升到164.47，SWE基准增加到3个：MirrorCode、WeirdML、FrontierCode。
一个往下修，一个往上修。基准覆盖越全，软件工程这一项对综合分的影响就越藏不住。
数学的样本，和代码的样本
两个领域的基准数量也不一样。Math-ECI这边，四个模型都只用了4个基准。SWE-ECI这边，GPT-6 Astra用了4个，Claude Fable 5.1用了3个，GPT-5.6 Sol用了6个，Kimi K3用了5个。
换句话说，Astra在数学上的领先，是在一套相对集中的题目上打出来的；而它在软件工程上的位置，是在基准不断补齐之后被重新校准的。
置信区间里的余地
看数字不能只看点估计。SWE-ECI这一项，GPT-6 Astra的90%置信区间是160.42到169.82，Claude Fable 5.1是161.95到178.53。Math-ECI那边，GPT-6 Astra是165.98到175.37，Claude Fable 5.1是162.84到175.91。
热门跟贴