首頁 → 指南 → GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5：帶隱藏測試的程式實測

GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5：帶隱藏測試的程式實測

模型卡上的跑分是賣模型的人自己跑的。所以我們自己出題：13 道 JavaScript 題，每個模型每道題一次作答、做兩遍，然後在斷網沙盒裡用 286 個隱藏測試案例檢查。其中 7 道是日常程式碼，6 道專門圍繞容易漏掉的邊界情況設計。

結果

模型	通過的測試案例	完全做對的題	日常題耗時中位數	邊界題耗時中位數	回答長度中位數（輸出 token）	每道題平均花費
`gpt-6.1-sol`	286/286 (100%)	26/26	12.4 s	19.8 s	428	$0.0027
`gpt-6-astra`	284/286 (99.3%)	24/26	12.1 s	17.4 s	428	$0.0124
`claude-opus-5-5`	275/286 (96.2%)	21/26	4.2 s	8.9 s	447	$0.0056

只有 gpt-6.1-sol 兩遍全部通過。gpt-6-astra 只漏了一個案例，兩遍漏的是同一個。claude-opus-5-5 比兩個 GPT 模型快兩到三倍，寫出的程式碼長度也差不多，但漏掉的案例最多。花費是我們閘道對這些請求的實際計費。

GPT-6 Astra：最短路徑。圖中所有邊的權重都是 0 時，它的搜尋會無限迴圈，直到 Node 記憶體耗盡。兩遍都是同一個 bug；這道題其餘 7 個檢查都通過了。
Claude Opus 5.5：並行控制和運算式解析。兩遍的非同步池同時執行的呼叫都超過了上限：限制 3 個，實際同時跑了 5 個。乘方題裡，一遍無視了題目寫明的「-2^2 等於 -4」，另一遍把 2 2 當成了合法運算式。日常題的計算器有一遍因為空格拒絕了 1 + 2 * 3，而題目明確要求支援任意空白。
GPT-6.1 Sol：沒有出錯。兩遍 286 個檢查全部通過。

這些都不是什麼冷門情況：空白、一條權重為 0 的邊、並行數上限。正是這類情況，手動隨便試一下能過，上線後卻會出問題，所以測試專門檢查它們。

Opus 5.5 一道題一般 4～9 秒就答完。兩個 GPT 模型要 12～20 秒，因為它們先推理再寫。如果是看著答案一行行出現的聊天，Opus 感覺快得多；如果是每一步都跑測試的代理，多出的十秒和答錯的代價相比通常不算什麼。

每道題 gpt-6.1-sol 花 $0.0027，claude-opus-5-5 花 $0.0056，gpt-6-astra 花 $0.0124。Astra 的價格約是 Sol 的 4.6 倍，成績卻略低。三者回答的長度幾乎一樣，所以價差來自每個 token 的單價，不是誰比較囉嗦。

每個模型拿到的提示完全相同：題目描述，加上「只回覆一個程式碼區塊，內容是完整的 CommonJS 模組」。沒有系統提示、沒有範例、不重試。程式碼在無網路的容器裡用 Node 20 執行，每道題有時間限制；如果某份答案當掉，就把每個測試案例單獨重跑，避免一次當機把其餘案例全部拖成零分。

日常題（7 道）：LRU 快取、四則運算式求值、合併區間、拓撲排序、修正有 bug 的二分搜尋、權杖桶限流器、CSV 單行解析。
邊界題（6 道）：支援 . * + ? 的小型正規表示式比對、不用 BigInt 計算 2000 位整數相乘、帶右結合 ^ 的運算式求值、限制並行數的非同步池、跨年份的工作日計數、字典序最小的最短路徑。

所有請求都經過我們的閘道，測試時間為 2026 年 10 月 12～13 日。每道題兩遍屬於小樣本，兩個模型相差幾個案例，可能只是正常的隨機波動；但 Sol 的零失誤和 Astra 兩遍重複出現的同一個 bug 不是。

無訂閱、無最低消費、不用跟業務通話。用 USDT 儲值，用多少花多少 —— 1 USDT = 2 額度。

本頁價格由即時計費資料自動填入；第三方條款引自對方公開文件。