📖 AI 总结

在两项由Andon Labs设计的智能体基准测试中，OpenAI的GPT-6 Astra显著超越此前的顶尖模型Claude Fable 5.1。在模拟经营自动售货机一年的Vending-Bench测试中，Astra六次运行的平均最终余额达15515美元，接近Fable 5.1（5422美元）的三倍，且其最差成绩仍高于对方最佳成绩；差异主要体现在采购谈判上，Astra出价更稳定、更善于应对供应商倒闭等风险。在Drone-Bench测试中，Astra成为首个在全部五个子任务上均超过人机协作基线的模型，包括编写让无人机自主寻找并跟踪特定目标的代码，但其成功率仍不稳定。这一结果表明AI智能体在长周期自主决策和物理系统编程方面取得明显进展，同时可靠性问题依然存在。