@ArtificialAnlys · X / FxEmbed

生成更多输出标记并不一定能带来更高的分数。GPT-6 Astra（最高）在每项任务中约81k个输出标记时的得分为8.6%。

Artificial Analysis的基准数据显示，生成更多输出token并不必然带来更高得分：GPT-6 Astra (max)在每任务约81k输出token下得8.6%，低于Grok 4.7 (xhigh)的约180k；三个Claude模型输出token最多（每任务约202k至约562k）却仅得2.8%至6.4%。该结果为评估测试时算力投入的性价比提供了参考。