GPT-6 Astra 在韩国大学修学能力试验（修能）AI 评测中拿下 450 分满分，成为首个全科零失分的模型。
据《韩国日报》报道，这次评测中，Astra 在国语、数学、英语、韩国史，以及物理 I、化学 I、生物 I、社会文化等选考科目上全部未失分。450 分是这份评测记录的总分上限，必须全对才能取得满分。
前五名分差很小，第二名仅落后 1.5 分
排名第二的是 GPT-5.6，得分 448.5 分，与满分只差 1.5 分。之后依次为 GPT-5.4 的 448 分、Claude Fable 5.1 的 447.5 分，以及 Gemini 3.1 Pro 的 445 分。
前五名全部集中在 5 分以内。按 450 分总分计算，Astra 与第二名之间 1.5 分的差距约为 0.3%。
评测使用韩国考生实际作答过的试题
这次评测运行在 GitHub 上的「2026 学年度修能 LLM 解题记录」页面，使用的是 2025 年实际施行的 2026 学年度修能考题，也就是韩国考生真实参加过的那套试卷。
评测过程不允许使用外部网络搜索，模型只能依靠训练阶段学到的内容作答。报道指出，这项限制让分数更有可比性；如果允许联网，选择题答案本身就可能在网上被找到，评测对象就会从解题能力变成搜索能力。
考试形式也会影响成绩。Gemini 3.1 Pro 之前在只考两个科目的形式下曾被记为 450 分满分，但在这次全科综合评测中降至 445 分。报道称，科目增加、题型跨度变大后，分数表现就会出现变化，因此比较排名时也需要同时看评测覆盖了几科。
Astra 也是前列模型中最省 tokens 的一个
Astra 解完整份试卷共用了 35.7 万 tokens。tokens 是模型读写文字时使用的计算单位，用量越高，通常意味着思考时间更长、单次运行成本更高。
同一份试卷中，GPT-5.6 使用了 42.9 万 tokens，Claude Fable 5.1 使用了 56.2 万 tokens。按报道给出的数据，Astra 比第二名少用约 17%，比 Claude Fable 5.1 少 36%，两者相差 20.5 万 tokens。
从得分看，Astra 与 GPT-5.6 只差 1.5 分；但从算力消耗看，差距更明显。
教授：差异在结构效率，不只是原始能力
报道引述李承铉（Lee Seung-hyun）教授的解读称，Astra 在解题过程中一边压缩并修改自己的解题计划，一边维持推理脉络，关键在于结构效率，而不只是原始智力。
按照这一说法，在分数已经很难继续大幅拉开的情况下，模型之间更容易被拉开差距的部分，是完成同一道题时究竟需要多少步骤，以及为此消耗多少 tokens。
关于满分成绩的讨论仍在继续
对于 AI 在学测类考试中拿到满分是否代表 AGI 已经到来，原文提到，受访业界人士认为学测分数并不是全部，AI 的价值在于解决尚无答案的难题。与此同时，OpenAI 总裁与黄仁勋都表示 AGI 已到，韩国政界与学界仍在辩论。