Astra 6 形式验证能力碾压 Opus,发布两月仍居榜首

开发者 Josh Purtell 分享使用体验称,Astra 在高复杂度、可验证任务上表现惊人,发布两个月后仍是该类任务的首选,有推文显示 Astra 6 在形式验证(用 TLA 语言验证)上碾压 Opus。他还发布了一项高可验证性自研任务上的成本与奖励帕累托前沿分析,并指出 Fable 5.2 在交互类工作上更强。

2026-11-11 ~ 2026-11-11 · 2 条相关