Astra 与 Fable 5.1 评测基准几乎不重叠

相隔几天发布的 Astra 与 Fable 5.1 各自发布的 benchmark 表都显示自家模型全面获胜，引发 Reddit 用户质疑。经对比分析发现，两家并未造假，而是选择了几乎不重叠的评测基准：OpenAI 主打 computer use 等方向的测试，Anthropic 则侧重另一套基准，导致分数无法直接比较。

2026-09-10 ~ 2026-09-10 · 2 条相关

• OpenAI 与 Anthropic 评测表都全胜?拆解后两边都没造假 — Ahmiii_83 · 2026-09-10
• Astra 与 Fable 5.1 榜单几乎不重叠，基准分数其实没法直接比 — recro69 · 2026-09-10