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
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- Mirendil 发布首个自研预训练模型 Fern,上下文最长 1000 万 token — bneyshabur · 2026-10-26
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26