GPT-6 Astra 登場：ARC-AGI-3 獨立測分怎麼讀，中小企業該不該升級｜AIRUN
GPT-6 Astra 登場：ARC-AGI-3 獨立測分怎麼讀，台灣中小企業該不該升級？
GPT-6 Astra 的 ARC-AGI-3 第三方實測已公布，最高 99.9%。中小企業先別急著升級，拿自家重複工作實測，省不到三成人工修正時間就不換。
這篇寫於 2026 年 9 月 4 日。前一天，評測機構 ARC Prize 公布了 GPT-6 Astra 在 ARC-AGI-3 的實測成績。OpenAI 官方何時發布、公告內容為何，本文未附來源查核，不轉述；所有數字都來自 ARC Prize 的公開報告。這次有獨立數據可以查，不用只聽新聞稿。下面把數字拆開，最後給老闆一個能直接用的判斷。
GPT-6 Astra 是什麼？這次發布跟過去的 GPT 模型差在哪？
GPT-6 Astra 是 OpenAI 的新模型。本文引用的唯一來源，是 ARC Prize 在 2026 年 9 月 3 日公布的實測報告。這次不同的是，一開始就有第三方數據可以核對，讀者能拿獨立數字對照官方說法。
有幾件事在本文引用的來源裡沒有公布：參數量、訓練細節、API 定價變動、訂閱方案調整。我們不猜。老闆看到任何文章寫出這些數字，先問出處。
ARC-AGI-3 是什麼？為什麼這個分數比一般跑分更值得看？
ARC-AGI-3 是 ARC Prize 推出的第三代測驗，用一批模型從沒看過的回合制小遊戲，測 AI 能不能自己摸索規則、設定目標、規劃行動。根據 ARC Prize 的說明，人類受試者可以解完 100% 的關卡，所以它量的是 AI 跟人之間的「殘餘差距」。
它測四個能力：探索（主動跟環境互動取得資訊）、建模（把觀察整理成能預測的規則）、目標設定（在獎勵很稀疏的情況下找出目標）、規劃執行（從現況走到目標，中途修正）。這四件事合起來，業界叫「代理型智慧」（agentic intelligence），白話講就是 AI 自己動手做事、自己修正的能力。
它比一般跑分更難灌水，原因有兩個。第一，遊戲是新的，模型背不了答案。第二，難度用真人受試者校準過，人解得完，所以分數低不能怪題目。
GPT-6 Astra 在 ARC-AGI-3 實際拿到幾分？
兩組數字。標準測法（Standard harness）最高 62.7%，花費 26,098 美元。供應商轉接測法（Provider Adapter harness）最高 99.9%，花費 18,817 美元。兩者都是 ARC Prize 排行榜目前的最高分。
先解釋「測法」（harness）。它指的是測驗時給模型接的線路：標準測法只讓模型每回合帶著自己選擇保留的筆記；供應商轉接測法則讓模型在請求之間保留內部的推理狀態，這段狀態對外是不透明的（opaque），ARC Prize 沒有公開它的內容，並在對話變長時做壓縮，讓模型重用先前的工作。
下表是 ARC Prize 公布的完整結果，依推理力道（reasoning effort，模型願意花多少算力思考）分列：
| 推理力道 | 標準測法 分數 / 費用 | 供應商轉接測法 分數 / 費用 |
|---|---|---|
| max | 62.7% / 26,098 美元 | 98.6% / 17,332 美元 |
| xhigh | 59.3% / 37,317 美元 | 98.4% / 18,147 美元 |
| high | 54.8% / 40,705 美元 | 99.9% / 18,817 美元 |
| medium | 38.6% / 48,090 美元 | 98.4% / 19,285 美元 |
| low | 17.5% / 38,166 美元 | 98.0% / 21,298 美元 |
| none | 35.2% / 49,791 美元 | 96.7% / 23,457 美元 |
資料來源：ARC Prize，2026 年 9 月 3 日。
表裡有一個反直覺的現象：標準測法下，推理力道開到最大反而最便宜。max 花 26,098 美元，medium 花 48,090 美元。ARC Prize 的解釋是，想得越深，解一關用的動作越少，總呼叫次數與 token 跟著降。多想一點，總帳反而省。這個現象值得記住，後面會回到它。
62.7% 和 99.9% 差這麼多，哪個才是真實實力？
兩個都真，測的東西不同。62.7% 是模型每回合只能靠自己寫下的筆記接續；99.9% 是允許模型在請求之間保留內部推理狀態，這段狀態是不透明的，外界看不到裡面裝了什麼。這個落差說明一件事：GPT-6 Astra 的能力高度依賴「記得自己剛才想過什麼」。
把這個落差翻成老闆聽得懂的話：同一個模型，接線方式不同，表現可以差到 37 個百分點。你用的 AI 產品有沒有讓模型保留上下文與工作狀態，會直接決定你拿到的是哪一組表現。
要注意的是，ARC Prize 的數據只針對測驗環境。ChatGPT 產品端怎麼實作狀態保留，在本文引用的來源裡沒有說明。所以「我訂閱的方案能拿到 99.9% 那組表現」這句話，現在沒有人有資格說。
Astra 解題的方式跟人有什麼不同？
它會把陌生的遊戲規則整理成自己的符號速記，像自創一套小型語言來追蹤狀態、規劃動作。根據 ARC Prize 的回放分析，它在 96% 的關卡用的動作數少於人類受試者的中位數。
ARC Prize 點出三個觀察：第一，它會發展出緊湊的代數記號來記錄規則；第二，動作效率超過人類；第三，它會為當前環境打造自己的工具。這三件事合起來，就是「把陌生環境變成一個可操作的小世界模型」。
費用面，ARC Prize 也給了人類對照。受試者每 90 分鐘場次領 115 美元，每完成一關另加 5 美元，一場約嘗試九關，換算每關約 12.78 美元。若只算大腦耗能換成電費，每關約 0.067 美分。ARC Prize 沒有換算 Astra 每關的平均成本，這裡不硬算。單看總帳，一整輪測驗跑下來是一萬八千到兩萬六千美元的等級，這是研究機構的預算，跟中小企業的月費沒有關係。
這對台灣中小企業意味著什麼？
三個判斷，都可以直接用。
第一，跑分跟你的工作沒有直接換算。 ARC-AGI-3 測的是陌生規則的遊戲。你的財報審閱、客服回覆、報價單整理，是有規則、有範本的重複工作，去年的模型多半已經做得動。我們陪老闆導入時，卡住的常是流程、資料與把關，不是模型。模型再強一級，流程沒改，省下的人力是零。
第二，這次真正值得注意的訊號是狀態保留。 同一個模型，有沒有保留推理狀態，分數從 62.7% 跳到 99.9%。翻成老闆的語言：把 AI 當一次性問答機用，你拿到的是低分那組；把它接進有筆記、有回饋、有前後文的流程，才拿得到高分那組。這是流程設計問題，多數情況下不用換模型就能改善。
第三，「多想一點反而便宜」這件事對你有用。 標準測法下推理力道最大反而總費用最低，因為少走冤枉路。對應到公司裡就是：一開始把任務說清楚、把判斷標準寫進去，比丟一句話進去再來回修十次划算。這一條不用等新模型，今天就能做。
下表是我們建議的判斷方式：
| 你的情況 | 這次發布對你的意義 | 建議動作 |
|---|---|---|
| AI 只拿來問問題、寫草稿 | 幾乎沒差，現有模型已夠用 | 不升級，先把工作流程接起來 |
| AI 常「忘記前面說的」 | 狀態保留的價值被這次數據證實 | 先檢查現用產品有沒有專案／記憶功能 |
| 有明確重複工作想交給 AI | 要用實測而非跑分決定 | 三件事實測，比較人工修正時間 |
| 需要 AI 在陌生任務裡自己摸索 | 這是 ARC-AGI-3 直接測的能力 | 等可用方案公布，優先試用 |
三件事實測的做法：挑三件每週重複、有明確對錯的工作；同一份輸入同時丟給現有模型與新模型；記錄人工修正各花多少分鐘。省不到三成，不換。
不變的部分也要說清楚：涉及錢、承諾、合約帳款的動作，一律停在人這關。模型換幾代，這條線都不動。
現有 ChatGPT／Claude 訂閱要不要升級？
先不要因為分數升級。本文引用的來源沒有公布 GPT-6 Astra 的訂閱方案與價格變動，任何「升級划算」的說法此刻都沒有數字支撐。等你實際用得到 Astra 的方案出來，用上一段的三件事實測，再決定。
如果你目前的痛點是 AI 記不住前文，這次的數據顯示狀態保留的價值極大。優先檢查你用的產品有沒有專案、記憶、長對話功能，這一項通常不需要換模型。
如果你要的是一份不護短的判斷，看看自己公司哪些工作該交給 AI、哪些該留在人手上，可以到 mingnow.airun.tw 看我們怎麼用 AI 實際跑一家公司，再決定要不要找我們做一次體檢。
我們的立場很直接：GPT-6 Astra 是這一年最值得看的發布，因為它第一次讓「模型有沒有保留推理狀態」的差距被獨立數據量化出來。但對台灣中小企業，該做的功課一直都在流程端。先把流程接好，模型升級才有地方發揮。
常見問題
GPT-6 Astra 是什麼時候發布的？
本文能查核的日期只有一個：第三方評測機構 ARC Prize 於 2026 年 9 月 3 日公布 GPT-6 Astra 在 ARC-AGI-3 的實測成績。OpenAI 官方的發布日期與公告內容，本文未附來源查核，不轉述。本文發稿日為 2026 年 9 月 4 日，所有數字以 ARC Prize 當天的公開報告為準。
ARC-AGI-3 的 62.7% 和 99.9% 分別是什麼意思？
兩個分數來自兩種測法。標準測法只允許模型每回合帶著自己寫下的筆記，GPT-6 Astra 最高拿 62.7%，花費約 26,098 美元。供應商轉接測法允許模型在請求之間保留內部推理狀態（這段狀態是不透明的，細節不對外公開）並壓縮長對話，最高拿 99.9%，花費約 18,817 美元。兩者都是 ARC Prize 目前的最高分。
GPT-6 Astra 已經比人類聰明了嗎？
在 ARC-AGI-3 的動作效率上，它在 96% 的關卡用了比人類受試者中位數更少的動作。但人類受試者可以解完 100% 的關卡，而標準測法下 Astra 只有 62.7%。要下「比人聰明」的結論，目前的數據還不夠，比較誠實的說法是：在它有狀態記憶時，它在這類遊戲上追平了人。
台灣中小企業現在要不要升級 ChatGPT 或 Claude 訂閱？
先不要因為分數升級。本文引用的來源沒有公布 GPT-6 Astra 的訂閱方案與價格變動，任何「升級划算」的說法現在都沒有數字支撐。做法是挑三件每週重複、有明確對錯的工作，同一份輸入同時丟給現有模型與新模型，比較人工修正時間。省不到三成，不換。
GPT-6 Astra 的參數量、API 價格公布了嗎？
在本文引用的 ARC Prize 報告裡，沒有公布參數量、訓練細節或 API 定價變動。OpenAI 官方公告的內容，本文未附來源查核，不代為轉述。我們不猜、不補。需要這些數字才能做的決策，等官方公布再做。
AIRUN 對抗式創業體檢 AgentFlow Solutions（双云行銷試運行）