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。