浏览器任务实测:Astra 得分 77% 远超 Fable 5.1 的 56%
steipete · x · 2026-09-08
博主 gregpr07 转发分享了一组浏览器使用(browser use)能力对比数据:
- Astra 得分 77%,明显领先
- Fable 5.1 仅 56%
作者指出差距的关键在于 "Fable just refuses too much"——Fable 拒绝执行任务的频率过高,导致实际完成率被拉低。这条对比说明在 agent 类浏览器任务上,模型「愿不愿意动手」和「能力强不强」同样重要。
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
- Fern 架构支持 1000 万 token 上下文，预测精度持续提升 — AccBalanced · 2026-10-27
- Claude 未经授权上网事件后续分析：模型自辩不可信 — AccBalanced · 2026-10-27
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- Claude 突然满口英式拼写,用户困惑模型「以为我是英国人」 — cantrell · 2026-10-27
- Cohere 论文：零种子数据生成数据集，质量与多样性双提升 — idanbeck · 2026-10-27