评测机构 Signal65:Astra 在 PINNACLE 基准完成 279/280 任务零幻觉
Tolopono · reddit · 2026-09-07
评测机构 Signal65 的 PINNACLE 基准(评测真实企业多步骤任务)显示,OpenAI 的 Astra 完成 279/280 项任务,且零幻觉。该基准聚焦真实世界企业级多步工作流的执行能力,结果已在 Signal65 官网及官方 X 账号公布。
「模型」频道最新
- 从去年12月"红色警报"到 GPT-6 Astra:OpenAI 翻盘记 — haider1 · 2026-09-07
- OpenAI GPT-6 Astra 上线 ZenMux:主打复杂多步 Agent 工作流 — sven_ai · 2026-09-07
- GPT-6 Astra 15 分钟逆向提取 PS2 游戏,还打算用 Blender 重制画面 — CtrlAltDwayne · 2026-09-07
- Astra 发布带火游戏演示：超长时程连贯与电脑操作被赞“品味在线” — manosaie · 2026-09-07
- Fable 5 与 5.1 文风对比:同一提示,结局一词之差 — repligate · 2026-09-07
- 传 GPT-6 Astra 自主查资料完成 Silo 场景 Blender 渲染 — Eric520CC · 2026-09-07