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。
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。
Artificial Analysis 评测 GPT-6 Astra：Coding Agent Index 在 Codex 上得 67，约等于 Claude Opus 5 / Fable 5（Claude Code）与 Muse Spark 1.3（Muse Code）；token 效率相对 GPT-5.6 Sol（max）约提升 70%。API 价升至 $10/$50 per 1M in/out（为 Sol 的 2.5 倍），但单任务成本仍显著低于 Fable 5。Intelligence Index 仍为 61，与 Sol 持平。
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