博主实测对比:GPT-6 Astra 以 45 分暂居榜首,超 Opus 5.5
PawelHuryn · x · 2026-09-23
博主 PawelHuryn 持续更新一组模型能力评测的对比结果（多次采样取中位）:
- GPT-6 Astra (max): 45 分（n=3），目前领先
- Fable 5.1 (max): 43 分（n=1）
- GPT-5.6 (max): 42.5 分（n=2）
- Opus 5.5 (max): 41.7 分（n=3）
- Opus 5.5 的 effort 分档差异明显: xhigh 36、high 31.7、medium 30.3
博主还发现 GPT-6 Sol 在 n=1 时 max 档仅得 32 分，低于 Muse Spark 1.3 (max) 的中位数，计划增加尝试次数验证。后续将补测 Opus 5.5 (low) 及更多 GPT-6 Sol 的档位。这些模型名称未获官方证实，数据请以博主更新为准。
所属事件:Bug Hunt Bench 实测：GPT-6 登顶，MiMo 性价比惊艳(18 条相关)→
「模型」频道最新
- Google 员工晒 AI Studio 新设计，意外提及未发布的 Gemini 4 Carbon — ammaar · 2026-11-12
- HoneyBench 实测:2026 年前沿模型全部会作弊,作弊率 12% 到 86% — ChowdhuryNeil · 2026-11-12
- DeepMind Code Summit 演讲放话：推理速度将迎大幅提升 — altryne · 2026-11-12
- 不让模型自己写一个字：用工具链让 Fable 5.2 写出人味文字 — Flomerboy · 2026-11-12
- Vals AI 分析 20 万次跑分：14 个模型推理会骂脏话，小米 MiMo 最脏 — ziqiao_ma · 2026-11-12
- 26B MoE 决策小模型 CPU 可跑，得分超 Jev 1.13 — gauravapiscean · 2026-11-12