OpenAI 称 GPT-6 Astra 在 Agents’ Last Exam、AutomationBench 与 ScreenSpot Pro 上取得 SOTA，这三项评测覆盖跨职业的电脑工作流与屏幕定位/操作能力，补齐其已公布的 TerminalBench / ARC-AGI / FrontierMath 之外的“电脑使用”侧证据。
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。
OpenAI 称 GPT-6 Astra 在 FrontierMath Tier 4、ARC-AGI 3 与 TerminalBench-4.0 达到 SOTA；在科学发现方向亦称在 Terminal-Bench Science 0.1 与 HealthBench Pro 上取得领先，强调代理式终端与科研任务能力。
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。
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