Astra在10项基准得分超98%，评测逼近饱和

针对 Google Astra 模型的评测显示，其在37项基准中的10项上得分达到或超过98%，相比之下 GPT-5.5 仅饱和4项，说明Astra已接近饱和其评测套件。评测方还介绍了时间horizon估算方法：通过注入0%成功率的合成长时程（超过2小时）任务并筛选成功率方差显著的bootstrap样本来获得更合理的估计，但基准饱和使可靠的时间horizon评估变得困难。

2026-09-09 ~ 2026-09-09 · 2 条相关

• Astra 在 10/37 基准上得分超 98%，接近饱和 — dswg97 · 2026-09-09
• Astra 在 37 项基准中 10 项达 98%，时间 horizon 估算逼近饱和 — dswg97 · 2026-09-09