Jerry Liu（@jerryjliu0）于 2026 年 9 月 5 日发布了 GPT-6 Astra 在 ExtractBench 文档解析与结构化抽取任务上的结果。原帖同时强调了短、中、长文档之间的明显差异，以及成本和原生 OCR 能力的边界。
英文原文与中文翻译
We benchmarked GPT-6 Astra on hard document parsing and extraction tasks.
It is the best frontier model for one-shotting document extraction over short and medium-sized documents:
📊 97.2% over short documents, achieving a new SOTA on our benchmark
📊 90.6% over medium documentsBut a few caveats:
- it’s pricy! The average price per page is 11c which is 10x our cost-effective document extraction solution
- one-shot performance over long documents is inherently tricky, it only achieves 31.7%
- the native OCR capabilities of Astra isn’t that much better than other frontier models (e.g. Fable 5.1, gpt-5.6-sol). It does very well on table understanding, but isn’t great on charts, layout, and semantic formatting.
Full results for document extraction on ExtractBench: https://www.extractbench.ai/
中文：
我们在高难度文档解析和抽取任务上对 GPT-6 Astra 进行了基准测试。
对于短文档和中等长度文档的一次性文档抽取，它是表现最好的前沿模型：
📊 短文档得分 97.2%，在我们的基准上达到新的最高水平
📊 中等长度文档得分 90.6%但有几点需要注意：
- 它很贵：平均每页价格为 11 美分，是我们经济型文档抽取方案的 10 倍；
- 对长文档进行一次性处理本来就很困难，它的得分只有 31.7%；
- Astra 的原生 OCR 能力并没有明显强于其他前沿模型，例如 Fable 5.1 和 gpt-5.6-sol。它在表格理解方面表现很好，但不擅长图表、版面和语义格式。
ExtractBench 上的完整文档抽取结果：https://www.extractbench.ai/
线程补充原文：
Full results for document parsing on ParseBench:
中文：
ParseBench 上的完整文档解析结果：https://parsebench.ai/
公开评测页核对
ExtractBench 当前公开页面列出 370 份文档、4,869 页、67 个 Schema 和 8 个领域。GPT-6 Astra 的总体 Value F1 为 91.9，排名第 3；分段成绩为短文档 97.2、中等长度文档 90.6、长文档 31.7，公开成本为每页 11.09 美分，与原帖中的数字一致。
这里需要区分原作者的表述与完整排行榜：Jerry Liu 所说的“最佳前沿模型”限定于短、中等长度文档的一次性抽取；在包含专用抽取系统的总体榜单中，LlamaExtract Agentic Plus 与 Codex（GPT-5.5）位于 GPT-6 Astra 之前。
该基准以文档级均值计算 Value F1，失败或缺失的文档按零分处理；页面称评分流程不使用 LLM 评委。评测由 LlamaIndex 项目维护，因此比较结果仍应结合公开数据集、评测代码和实际业务文档复验，不能直接外推到所有 OCR 或文档理解场景。