GPT-6 Astra 基准曝光：280 个企业任务完成 279 个，零编造
ryanshrout · x · 2026-09-06
博主 Baxate 转发并引用 Signal65 对所谓 GPT-6 Astra 的初步测试数据（注意：相关测试与模型名未经官方证实，真实性存疑）：
- 在最高推理强度下，模型在 280 个真实多步企业任务中端到端完成 279 个，且在检索套件中面对无法回答的问题时没有编造答案。
- 加权错误数约为此前领先者 Claude Fable 5.1 和 Muse Spark 1.3 的一半。
- 按 API 列表价（含输入、缓存输入与输出）计算，每个正确任务的成本也低于被替代的模型。
帖子的核心观点是：评估模型不应只看每百万 token 的单价，而应看「cost per task」（单位任务成本）或「intelligence per token」——能否真正把任务跑完且不瞎编，才是企业部署最关心的指标。
所属事件:传闻中的 GPT-6 Astra 基准数据曝光(2 条相关)→
「模型」频道最新
- 本地模型跑分乱象引吐槽：数字飙高却无配置可复现 — TheZachMueller · 2026-10-23
- 用 abliterated 本地模型给智能电视去除“广告与追踪” — TheZachMueller · 2026-10-23
- 实测称 Claude $200 档订阅价值达 API 价格 45.3 倍 — RexDouglass · 2026-10-23
- 用户实测：GPT-6.1 Sol 不适合长任务策略研究 — RexDouglass · 2026-10-23
- Dexmal 开源 VLA 模型 DM0.5 登陆 LeRobot，登顶 RoboColiseum — AdinaYakup · 2026-10-23
- Gemini 隐藏开关:开启 agentic 视频理解,token 消耗降约 90% — patloeber · 2026-10-23