Science agent benchmark: GPT-6 Astra edges out Opus 5.5 across tiers
On Terminal-Bench-Science 0.1's 70 real research workflows, GPT-6 Astra max scores 63.3% while Opus 5.5 xhigh reaches 61.9%, beating its own max tier at lower cost.
🔥注意了！Claude Opus 5.5 别再无脑开 Max 了，xhigh 才是科学代理任务的甜点档！ Artificial Analysis 刚出的 Terminal-Bench-Science 0.1（70个真实科研工作流）： 🔸GPT-6 Astra (max)：63.3% 🔸Opus 5.5 xhigh + fallback：61.9% 🔸Opus 5.5 max + fallback：59.0% xhigh 直接反超 max 近 3 个百分点。 分点对比 Opus 5.5 两个推理档： 1️⃣科学任务通过率：xhigh 61.9% > max 59.0%（数学科学 xhigh 能到 71%，生命科学仍是短板） 2️⃣成本效率：通用 Intelligence Index 上 xhigh 约 $3.46/任务，max 要 $5.98，token 用量几乎翻倍 高推理档不是越高越好，Opus 5.5 的 xhigh 已经够顶，再往上开 Max 反而掉分还更贵。 科学代理想冲高分，先试 xhigh + fallback。 #ClaudeOpus55 #xhigh #Max推理 #TerminalBench #Anthropic #AI评测
This post quotes another post: “Opus 5.5 generates a drivable cyberpunk pixel city”