Command Code CEO Ahmad Awais 发布 Composio 基准结果称，Command Code 在开放模型上的 Agent harness 对比中解决 30 项任务中的 18 项，并以 375 秒平均用时领先；该贴引用了 Composio 在 GPT-6 Astra 上对六种编码 Agent harness 的测试。
一键应用到您的开发环境与预算测算
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。
Vals AI 发布 Terminal-Bench 4.0：66 道全新终端任务（交付服务、证明定理、训练 GPU kernel、写取证报告等），专家预估中位耗时约 4 小时，严格 verifier 全过才计分，分数为 avg@3。GPT-6 Astra 以 57.1% 夺冠，领先 Claude Fable 5.1（49.5%）7.6 个百分点、Claude Opus 5（45.5%）11.6 个百分点；其余模型均未过 30%，14/27 个模型在硬件与媒体域得零分。4.0 覆盖软件、科学、ML、运维、硬件、安全、媒体七类，约四分之三任务已超出传统软件工程。
LMSYS Arena 更新 Code Arena: WebDev 排行：OpenAI GPT-6 Astra (Max) 以 1800 分位列第一，Anthropic Claude Fable 5.1 (Max) 以 1758 分居次。匿名对战胜率显示 Astra 相对多数模型占优，对 GPT-5.6 Sol (xHigh) 胜率约 72.5%。
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