MazeBench 横评:GPT-6 Astra 裸跑已胜过 GPT-5.6 Sol 带工具
patience_cave · x · 2026-09-14
patiencecave 发布 MazeBench 3D 空间推理基准的模型横评:GPT-6「Astra」带代码执行的分数比 GPT-5.6「Sol」带代码执行近乎翻倍;更大的意外是,Astra 不用代码执行的裸跑成绩也超过了带工具的 GPT-5.6 Sol。
作者认为这显示 Astra 是一个很强的智能体,同时此前测试表明长隧道等场景下 3D 空间推理仍有明显短板。
所属事件:GPT-6 Astra 实测 MazeBench：裸跑已胜上代带工具(6 条相关)→
「模型」频道最新
- Open TTS 榜单新增 14 种语言，LFM3-Audio-2B 等新模型上榜 — realmrfakename · 2026-10-31
- 用户吐槽 Linux 版 Codex 应用像没人管的养子,体验糟糕 — eigenron · 2026-10-31
- Kimi 支持俄罗斯 Mir 卡直接付款，订阅 Pro 无需中介 — teortaxesTex · 2026-10-31
- Nat Lambert：开源模型或是维系 AI 生态的关键粘合剂 — natolambert · 2026-10-31
- Gemini 4 Carbon 登顶 APEX-Agents 榜首,唯一均值破 90% 的模型 — Swarooprm7 · 2026-10-31
- Sarvam 为印度开发本地推理版 opencode,遭网友吐槽「本地」定义 — kingslyj · 2026-10-31