首页 → 指南 → GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5：带隐藏测试的编程实测

GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5：带隐藏测试的编程实测

模型卡上的跑分是卖模型的人自己跑的。所以我们自己出题：13 道 JavaScript 题，每个模型每道题一次作答、做两遍，然后在断网沙盒里用 286 个隐藏测试用例检查。其中 7 道是日常代码，6 道专门围绕容易漏掉的边界情况设计。

结果

模型	通过的测试用例	完全做对的题	日常题用时中位数	边界题用时中位数	回答长度中位数（输出 token）	每道题平均花费
`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 两遍全部通过。gpt-6-astra 只漏了一个用例，两遍漏的是同一个。claude-opus-5-5 比两个 GPT 模型快两到三倍，写出的代码长度也差不多，但漏掉的用例最多。花费是我们网关对这些请求的实际计费。

GPT-6 Astra：最短路径。图里所有边的权重都是 0 时，它的搜索会无限循环，直到 Node 内存耗尽。两遍都是同一个 bug；这道题的其余 7 个检查都通过了。
Claude Opus 5.5：并发控制和表达式解析。两遍的异步池同时运行的调用都超过了上限：限制 3 个，实际同时跑了 5 个。乘方题里，一遍无视了题目写明的「-2^2 等于 -4」，另一遍把 2 2 当成了合法表达式。日常题的计算器有一遍因为空格拒绝了 1 + 2 * 3，而题目明确要求支持任意空格。
GPT-6.1 Sol：没有出错。两遍 286 个检查全部通过。

这些都不是什么偏门情况：空格、一条权重为 0 的边、并发数上限。恰恰是这类情况，手动随便试一下能过，上线后却会出问题，所以测试专门查它们。

Opus 5.5 一道题一般 4～9 秒就答完。两个 GPT 模型要 12～20 秒，因为它们先推理再写。如果是看着答案一行行出来的聊天，Opus 感觉快得多；如果是每一步都跑测试的智能体，多出的十秒和答错的代价相比通常不算什么。

每道题 gpt-6.1-sol 花 $0.0027，claude-opus-5-5 花 $0.0056，gpt-6-astra 花 $0.0124。Astra 的价格约是 Sol 的 4.6 倍，成绩却略低。三者回答的长度几乎一样，所以差价来自每个 token 的单价，不是谁更啰嗦。

每个模型拿到的提示完全相同：题目描述，加上「只回复一个代码块，内容是完整的 CommonJS 模块」。没有系统提示、没有示例、不重试。代码在无网络的容器里用 Node 20 运行，每道题有时间限制；如果某份答案崩溃，就把每个测试用例单独重跑，避免一次崩溃把其余用例全部拖成零分。

日常题（7 道）：LRU 缓存、四则运算表达式求值、合并区间、拓扑排序、修复有 bug 的二分查找、令牌桶限流器、CSV 单行解析。
边界题（6 道）：支持 . * + ? 的小型正则匹配器、不用 BigInt 计算 2000 位整数相乘、带右结合 ^ 的表达式求值、限制并发数的异步池、跨年份的工作日计数、字典序最小的最短路径。

所有请求都经过我们的网关，测试时间为 2026 年 10 月 12～13 日。每道题两遍属于小样本，两个模型之间差几个用例，可能只是正常的随机波动；但 Sol 的零失误和 Astra 两遍重复出现的同一个 bug 不是。

无订阅、无最低消费、不用跟销售通话。用 USDT 充值，用多少花多少 —— 1 USDT = 2 额度。

本页价格由实时计费数据自动填入；第三方条款引自对方公开文档。