开发者实测：基准 evals 靠不住，但 Astra 首次越过信任阈值
sandersted · x · 2026-09-04
一位开发者分享对 gpt-6 Astra 的使用观感：不要迷信评测基准——它们往往粗糙、测不到真正重要的东西，比如「主动澄清问题」这类在真实使用中有益的行为反而可能拉低分数。但他认为 Astra 是真材实料：虽不完美，却是第一个越过他个人信任阈值的模型。这是对新一代模型实际可用性的第一手用户反馈。
所属事件:OpenAI 发布旗舰模型 GPT-6 Astra：高价上线引热议(190 条相关)→
「模型」频道最新
- 研究者用前沿模型 76 分钟挖出首个 Windows 0-day — moyix · 2026-10-21
- 开发者实测:Gemini Argon 分析调试日志优于 Fable 5.1 — ShikharMurty · 2026-10-21
- 用户让 ChatGPT「尖叫」，它陷入无限循环 AAAAHHH 停不下来 — AutomaticScene · 2026-10-21
- 开源新模型 Ornith-1.5-122B 发布:SWE-bench 84.5%,单卡 DGX 可跑 — _akhaliq · 2026-10-21
- qev-0.8B:3.5毫秒决策、1.3GB本地跑的微型模型登顶 — fajfas3 · 2026-10-21
- Gemini 3.1 Pro 玩「两真一假」：bot 太沉迷账本，秒被识破谎言 — mimi10v3 · 2026-10-21