Artificial Analysis 改用「单任务耗时」作为头号性能指标：GPT-6 Astra 满档约 17 分钟完成一题，快于 Opus 5.5 与 Gemini 4 Carbon
独立评测机构 Artificial Analysis 于 11 月 4 日（UTC 17:34）在 X 上宣布新版 API 性能基准：头号指标从输出速度改为 Time per Task，即完成一道 Intelligence Index 任务所需时间（每题输出 tokens ÷ 端到端输出速度）。新版覆盖约 1,000 个 serverless 端点，速度改为从发出请求算到最后一个 token，并加入多轮 Agent 编码与知识工作负载。官方数据：GPT-6 Astra 满档 51 tokens/s 但约 17 分钟完成一题，Claude Opus 5.5（max）约 26 分钟，Gemini 4 Carbon（high）约 29 分钟。
核心要点速览
- Time per Task = 每道 Intelligence Index 任务的输出 tokens ÷ 端到端输出速度；逐 token 很快但话多的模型，可能比慢但省 token 的模型更晚完成任务。
- 端到端输出速度从发出请求算到收到最后一个 token，包含首 token 前的等待（prefill 与隐藏推理）；输出 token 改用各家 API 自报数量，不再用 o200k_base 分词器估算。
- GPT-6 Astra（max）51 tokens/s，每题约 5 万输出 tokens、约 17 分钟；Claude Opus 5.5（max，111 tokens/s）约 26 分钟，Gemini 4 Carbon（high，71 tokens/s）约 29 分钟，后两者每题约 12–17 万 tokens。
- 按各家 API 默认档（三者均为 medium），GPT-6 Astra、GPT-6.1 Sol、Opus 5.5 的单任务耗时降约 3–5 倍、成本降约 2–4 倍，Intelligence Index 低约 5–11 分；Opus 5.5 从约 26 分钟/10.04 美元降到约 6.8 分钟/2.45 美元。
- 官方方法论页显示这是 3.0.0 版（10 月 30 日），测试频率改为每 6 小时一次，并新增端点错误率指标。
关联模型 / 智能体 / 厂商:
