科学基准新榜:GPT-6 Astra 与 Opus 5.5 领先 20 分
ArtificialAnlys · x · 2026-09-25
Artificial Analysis 在 Terminal-Bench-Science 上的测试显示，OpenAI 的 GPT-6 Astra 与 Anthropic 的 Claude Opus 5.5 比第三名 Fable 5.1 高出约 20 分；两大实验室之外表现最好的是 Qwen3.8 Max (0902)，仅 12%。同家族内，最新 GPT 与 Claude 模型在 max 档下相比前代（GPT-5.6 Sol、Opus 5）性能提升的同时还降低了单任务成本。
所属事件:Terminal-Bench-Science 榜单上线 GPT-6 Astra 与 Opus 5.5 领跑(4 条相关)→
「模型」频道最新
- 开发者自建 git 网页应用被 Codex 安全护栏误判为网络安全风险 — brianmichel · 2026-11-11
- DeepSeek 开源编码 agent DSH 登上 HF Harness 榜，五项评测并列第一 — TheZachMueller · 2026-11-11
- 博主断言美国开源模型将凭盈利模式主导，但仍难追 Claude — marktenenholtz · 2026-11-11
- NVIDIA 发布开源 GR00T 2：真实灵巧手全自动完成化学实验 — EricBuess · 2026-11-11
- 降价反而更贵:新模型太爱自查，单任务成本涨31% — tengyanAI · 2026-11-11
- 美国数据厂商被指向中国军方关联企业出售RL环境数据 — xeophon · 2026-11-11