SemiAnalysis 在 AgentX（面向多轮长上下文智能体负载的基准）上指出，新的 AMD MI355x 提交在较低交互性区间的总拥有成本（tokens per $ TCO）上击败 B300，并点名 vLLM、AMD 与 LMCache 工程团队。对选型推理硬件与 agentic serving 栈有参考价值。
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%。
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。
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