📖 AI 总结

关于GPT-6 Astra的基准测试结果出现明显分歧：Epoch AI综合50多项测试后将其评为第一（169分），而Artificial Analysis则认为其与上一代持平（61分），落后于Claude Fable 5.1。最引人注目的是ARC-AGI-3测试中，Astra首次以62.7%的成绩超越人类平均效率，而前代Sol仅得7.8%。ARC Prize负责人François Chollet因此将AGI预测时间提前，称进展比预期快一倍。该模型虽定价为前代2.5倍，但计算步骤仅需三分之一，在编码任务上成本低于Anthropic一半。此外，Astra是唯一在FrontierMath Erdős测试中解决两道开放数学问题的模型，幻觉率从92%降至51%，但在部分推理任务上有所退步。