Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent
ducha_aiki · x · 2026-09-11
GauntletBench 团队称，在新模型/agent Astra 发布后第一时间进行了评测，结果出乎意料：Astra 拿下 83% 的成绩，成为他们评测过的首个超过人类基线的 computer-use agent。这是该评测基准上首次有 agent 越过人类线，属于电脑操作能力的重要里程碑（具体评测细节待完整报告）。
「模型」频道最新
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11