TRACES 榜单：GPT-6-astra 登顶但自修复能力落后 Opus-5
thisdudelikesAI · x · 2026-09-12
新兴评测机构 TRACES 上线了面向智能体能力的六维排行榜（0-4 分制，涵盖工具调用、自修复、假设管理、长程一致性、证据 grounding、范围限定），并用同一 harness 对多款前沿模型跑了 140 个 agent 回合对比。
要点：
- GPT-6-astra 总分登顶，对 GPT-5.6-sol 六项全面领先，但提升不均匀：工具调用 2.34→2.80、假设管理 2.10→2.80、一致性 2.63→3.15、证据 2.26→2.76，自修复仅 1.81→2.01。
- 分项冠军各不相同：工具调用 GPT-6-astra 最高（2.80）；自修复 Opus-5 居首（2.59）；假设管理 Opus-5（2.85）、GLM-5.2（2.82）领先；GPT-6-astra 的自修复在对比中排到中游。
- Kimi-k3、GLM-5.2、DeepSeek-v4-flash 等模型均在榜单各维度中占据靠前位置，显示顶级模型间能力结构差异明显。
所属事件:TRACES 智能体基准上线，GPT-6 Astra 登顶但自修复偏弱(2 条相关)→
「编程与Agent」频道最新
- Todoist 搭建自愈系统：Agent 监控 Sentry 自动修 bug，五分之一免人工 — zeeg · 2026-10-31
- 独立开发晒 Multica 1.0 开发账单:4.3 亿 token 花 183 美元 — jiayuan_jy · 2026-10-31
- 游戏工作室让多台机器自动跑游戏回传 QA 报告 — draginol · 2026-10-31
- 开发者一年打造 Limma MCP:结构化全量数据,宣称检索零遗漏 — FlimsyIngenuity7248 · 2026-10-31
- Agent 审计新思路：不看总结，让用户说出改了哪些文件跑过哪些测试 — ronbodkin · 2026-10-31
- FlowSense 推出 MCP:让 Claude Code 看懂并管控 Mac 的所有网络连接 — hani_q · 2026-10-31