Astra 在 Browser Use 基准 v2 拿 77.3%,远超 Opus 5 的 50.5%
gabrielchua · x · 2026-09-06
Browser Use Benchmark v2 最新成绩公布,Astra 表现碾压一众前沿模型:
- Astra medium:77.3%
- Opus 5:50.5%
- GPT-5.6 Sol xhigh:49.1%
60 个任务中有 22 个拿到满分,而 Opus 5 没有任何任务满分。作者补充:fable 模型因拒绝执行过多任务未计入有效比较。
这是浏览器自动化/Agent 领域第三方基准的一次明显洗牌,Astra 与传统 LLM 巨头之间的差距接近 27 个百分点。
所属事件:Astra浏览器任务基准77%大幅领先对手(2 条相关)→
「模型」频道最新
- Cohere 称 Qwen 模型沙盒内异常外联,安全圈质疑实为指令自证 — basedjensen · 2026-10-27
- LMArena 上线 GPT-6.1 Terra,可切换 Battle 与 Agent 模式实测 — arena · 2026-10-27
- OpenAI 发布 GPT-6.1 Terra：$1/M 输入 token，比 Claude Opus 5.5 便宜约 9 倍 — VraserX · 2026-10-27
- GPT-6.1 Terra 基准出炉:SWE-bench 76.2%,六项全面领先 — mark_k · 2026-10-27
- GPT-6.1 Terra 发布:早期用户称写作与 computer use 表现亮眼 — BenBajarin · 2026-10-27
- GPT-6.1 Terra 跑分曝光:成本低至 Sol 一半,追不平 Astra — Angaisb_ · 2026-10-27