**GPT-6 Astra** 的近期发布在 Hacker News 上引发了热烈讨论，焦点主要集中在其卓越的性能和成本效益上。用户尤其关注所谓的“基准测试优化”（benchmaxxing），即通过生成“鹈鹕骑自行车”的 SVG 图像这一重复性测试，来评估模型的推理和艺术创作能力。 社区讨论的主要内容包括： * **性能表现：** Astra 在推理能力上展现出显著进步，尤其是在复杂的 SVG 生成方面，往往优于 Sol 和 Terra 等旧模型。许多用户认为其输出结果更具“人味”，并能纠正此前模型容易忽略的物理错误（如自行车前叉的几何结构）。 * **成本与价值：** 尽管 Astra 每百万 token 的价格高于 Luna 等小型模型，但用户认为它在复杂任务中能以更少的 token 实现更高质量的产出，因此整体性价比更高。 * **可用性：** 该模型正通过 OpenRouter 等平台向专业版用户和开发者开放。部分用户对 OpenRouter 的客户支持表示不满，而另一些用户则成功地将 Astra 用作“调度器”来监督更小、更便宜的模型，从而显著优化了 token 的使用效率。 * **质疑声音：** 一些批评者认为该基准测试存在“刷榜”嫌疑，并指出对模型“智能”程度的评价可能被夸大了，因为该模型仍会出现一些离奇的错误（例如动物解剖结构上的失误）。