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
- 科普作家 Pickover 出谜题:AI 能破译这段维京卢恩文字吗 — pickover · 2026-10-27
- ChatGPT 爬虫样例代码被实测：完全剔除所有 Schema 标记 — VeryWellVersed · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27
- FrontierML 基准:Kimi K3.1 Pro 成最强开源模型,但仍远落后 Opus 5.5 — teortaxesTex · 2026-10-27
- 七项任务实测:开源模型开高推理档未必更好 — keunwoochoi · 2026-10-27
- 医疗评测：Kimi K3 平 GPT-6，但疑难病例开源落后 17 个百分点 — keunwoochoi · 2026-10-27