Cognition 宣布 GPT-6 Astra 即将接入自主工程师 Devin。在 FrontierCode 1.1 上，Astra 与 Fable 5 分差仅 0.4，成本低约 64%；并在其内部测试基准上刷新 SOTA，生成更全面的测试、更清晰的报告与更好的视频证据。
Artificial Analysis 发布 Intelligence Index v4.2：新增私有 agentic 知识工作评测 AA-Briefcase 与长文档 GDP.pdf，提高 held-out 权重并改进打分基建，下线已饱和的 GPQA Diamond。排行上 Anthropic Claude Fable 5.1 居首，OpenAI GPT-6 Astra 次席并较 GPT-5.6 Sol 提升约 4 分；Astra 在输出 token Pareto 上表现突出。面向开发者选型与成本效率对比的权威中期基准更新。
Perplexity 在 WANDR 评测中称 GPT-6 Astra 取得 0.682 分、每任务约 $11.98，为所测模型最高。相对 Claude Fable 5.1 分数高约 13.5% 且成本低约 6.1%；相对 Opus 5 分数高约 27.0%、成本仅高约 3.3%。
ARC Prize 公布对 OpenAI GPT-6 Astra 的实测：在 ARC-AGI-3 Semi-Private 上，标准 harness 约 62.7%（约 $26k），Provider Adapter harness 可达 99.9%（约 $19k）；并称在 96% 关卡上动作效率优于人类基线。分析强调 Astra 会自建符号记法与自定义工具。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察