Vercel CEO Guillermo Rauch 称 GPT-6 Astra 已在 Vercel DeepsecBench 成为全球最佳网络安全模型：约 49 分钟完成 GPT-5.6 Sol 约 4 小时的工作量，分数更高、成本接近；相对 Claude Opus 5 max 更有效且约便宜 50%。榜单见 vercel.com/ai-gateway/leaderboards/deepsecbench。
Arena.ai 官方公布：Anthropic Claude Fable 5.1 (Max) 在 Agent Arena 基于 6.7k+ 真实长程智能体会话登顶，净提升 +15.8%，同时以中位 $4.14/任务改写价格-性能帕累托前沿。赞美 vs 投诉隐式情绪领先 +42.5%，确认成功 +22.4%，Bash 恢复 +13.1%，且无工具幻觉；GPT-6 Astra 轨迹仍在收集中。
LMArena 公布实战结果：OpenAI GPT-6 Astra (Max) 以 1797 分登顶 Code Arena WebDev，领先第二名 Claude Fable 5.1 (Max) 1762 分约 35 分，并高于 Claude Opus 5 (Max) 与 GPT-5.6 Sol (xHigh)。同时在约 $40/Mtoken（与最新 Claude 定价对齐）处重塑质量-价格帕累托前沿，覆盖含多步推理与工具调用的 agentic WebDev 任务。
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。
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