OpenAI 员工 Vaibhav（@reach_vb）披露 GPT-6 Astra 相对 GPT-5.6 Sol 的电脑操控评测跃升：ScreenSpot-Pro（找点击位置）从 76.9% 升至 92.7%；OSWorld 2.0 桌面工作流从 65.7% 到 72.6%，延迟模拟耗时少 47%；Mind2Web 网页任务配合更新后的 Codex harness 约快 1.9 倍。这对依赖浏览器/桌面 Agent 与 Codex 的编码工作流是硬指标信号。
核心要点速览
- ✓ScreenSpot-Pro：76.9% → 92.7%，点击定位能力显著提升。
- ✓OSWorld 2.0：65.7% → 72.6%，延迟模拟耗时减少约 47%。
- ✓Mind2Web：Astra + 更新版 Codex harness 约快 1.9 倍，利好网页/桌面 Agent。
⚡
一眼结论开发者 3 秒速决决策指标
🧭
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
实战指南准备好将技术转化为生产力？
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
接着读微软开源 4B 电脑操作智能体 Mage-VL-Cowork：一个模型自己决定点界面还是写 bash，OSWorld-Verified 66.0%
立即阅读→
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