1797 分登顶 Code Arena: WebDev，Arena.ai 称 GPT-6 Astra（Max）重塑 $40/Mtoken Pareto 前沿

9 月 5 日 17:32（UTC，北京时间 9 月 6 日凌晨 1:32），AI 测评平台 Arena.ai 在其 X 官方账号 @arena 上公布 Code Arena: WebDev 榜单更新：OpenAI 的 GPT-6 Astra（Max）以 1797 分成为总榜新第一，比第 2 名 Anthropic 的 Claude Fable 5.1（Max）（1762 分）领先 35 分，第 3 名 Claude Opus 5（Max）为 1688 分。同时称，Astra 还“重塑了 Pareto 前沿”，成为 $40/Mtoken 价位上表现最佳的模型，并称该价位与最新 Claude 模型的定价一致。以上排名、分数与结论均为榜单运营方口径，未经第三方独立复现验证。

这是 OpenAI 旗舰在该榜上的一次位置跃升：上一代 GPT-5.6 Sol（xHigh）此前排在第 13 名，Astra 比它高出 180 分。时间上也相当紧凑：，；显示，gpt-6-astra-max 于 9 月 5 日被加入 Code Arena: WebDev，当天即官宣登顶，从发布到登顶不到两天。

图：GPT-6 Astra 官方主视觉，取自 OpenAI 发布页。

类别分榜里已有三个第一、一个第二

榜单前三的分差不均匀：第 1 名与第 2 名差 35 分，第 2 名与第 3 名差 74 分，后者是前者的两倍还多。

Arena.ai 在推文中列出的类别分榜成绩是：Data & Analytics、Consumer Product、Content Creation Tools 三个类别第 1，Gaming and Simulations 第 2。

Code Arena: WebDev 的排名不是静态题库成绩。的介绍写明，它衡量各模型在前端网页开发任务上的表现，任务包含 agentic coding（智能体式编程）工作流，需要多步推理与工具调用；分数来自社区用户的对决投票，并随新票实时滚动。

价格–性能曲线上，Astra 站在最贵也最强的一端

“重塑 Pareto 前沿”中的 Pareto 前沿（帕累托前沿），指价格与性能权衡下每个价位上最强模型连成的曲线。

9 月 5 日的快照显示，这条曲线上的模型依次是：gpt-6-astra-max（1797 分，$40/M）、claude-opus-5-max（1688 分，$20/M）、qwen3.8-max-0902（1686 分，$5/M）、qwen3.8-flash-next（1626 分，$0.39/M）、mimo-v2.5（1438 分，$0.25/M）、solar-pro4（1371 分，$0.10/M），直到价格最低的 granite-4.1-8b（1191 分，$0.09/M）。Astra 站在曲线顶端：分数最高，定价也最高。

价格口径还有一层分歧。独立测评站称，它逐项核对 OpenAI 计价文档后认为，gpt-6-astra 的标准短上下文 API 价是每百万 token（词元）输入 $10、输出 $50；同一个模型，百万输出 token 的价格会随运行模式与上下文长度在 $25～$150 之间浮动。核账标题直接写成：“价格和分数，都取决于一个没人印出来的设置。”

Arena.ai 榜单给 Astra（Max）标注的是 $40/M。“$40/Mtoken 最佳”是 Arena 榜单价格口径下的结论。

一周之内，榜首已经换了四个模型

榜首的换手在这一周尤其快。Arena.ai 联合创始人兼 CEO Anastasios Nikolas Angelopoulos（身份按其 X 账号简介）在中说：“各家实验室在 coding 上爬坡的速度令人咋舌。过去一周里，已经有 4 个模型坐过第一把交椅：GPT-6 Astra（Max）、Claude Fable 5.1（Max）、Claude Opus 5（Max）、Qwen 3.8（Max）。而且跳幅相当大，Astra 明显强于 Opus 5。”

榜单变更日志里的入场节奏与之呼应：qwen3.8-max-0902 于 9 月 1 日加入 Code Arena，claude-fable-5.1-max 与 Gemini 3.8 Flash（High）于 9 月 2 日加入 Code Arena: WebDev。

「GPT 模型不擅长设计」的叙事正在被改写

“OpenAI 终于做出一个擅长设计的模型了。”用户 Marcos Hernanz 在（9 月 5 日）中写道。在 X 简介中自称 OpenAI Codex APAC Lead 的称：“是时候改改‘GPT 模型不擅长设计’的叙事。”

简介自称专注 AI 与自动化、粉丝约 3.7 万的中只算了一笔账：“OpenAI 用一代模型，从第 13 名跳到了第 1 名。”

截至 9 月 8 日核验时，这条官宣推文已获得 4,184 次点赞、399 次转发、178 条回复与 147 条引用转推，浏览量约 78 万。讨论中也有对配图的质疑：中质问这张“误导性图表”是谁画的，称 1750 看起来比 1500 大了五倍；则写道：“拜托，x 轴能从 0 开始吗？”

领先优势还没走出置信区间的重叠

榜单页为 Astra 标注的置信区间是 ±24 分，为 Fable 5.1（Max）标注的约为 ±16 分。两段区间在 1773～1778 分之间重叠：35 分的领先，还没有走出这重不确定度。

Arena.ai 的官宣也写明这场榜首争夺尚未收尾：类别分榜的票仍在收集中，Brand & Marketing、Reference-Based Design、Full Stack 三个分榜的排名都还没有公布。