CritPt v2 上线：GPT-6 Astra 拿 83%，领先 GPT-5 高达 54 分
ArtificialAnlys · x · 2026-10-23
Artificial Analysis 上线研究级物理基准 CritPt v2：作者团队修订了全部 70 道挑战题，修正表述不清、错误与错别字，改进评分器稳定性，并以 agentic 方式运行——模型可在离线沙箱中编写和执行代码。
关键结果：
- GPT-6 Astra (max) 以 83% 居首，GPT-6.1 Sol (max) 82%，Claude Opus 5.5 (max with fallback) 78%，GPT-5.6 Sol (max) 75%
- 2025 年 8 月发布的 GPT-5 (high) 仅 29%，比 GPT-6 Astra 低 54 分，凸显前沿进展之快
- Intelligence Index 将于 10 月底更新，纳入 CritPt 变更
配图显示成本-得分散点中 GPT-6.1 Sol、GPT-5.6 Sol、Gemini 4 Argon 等处于性价比最优象限。
所属事件:物理基准 CritPt v2 发布，GPT-6 Astra 以 83% 登顶(3 条相关)→
「模型」频道最新
- Humansand 发布 Persimmon 与 Ampersand,用 RLSF 训练主动陪伴 AI — alexisjross · 2026-10-23
- Science 封面：三智能体 AI 序贯诊断准确率近医生两倍且成本更低 — EricTopol · 2026-10-23
- 「互联网正上演中国无审查模型集群的攻防大战」：网络安全迎来数学时刻 — burny_tech · 2026-10-23
- 简单搜索也塞 24 个要点？用户吐槽 Gemini 回答过度冗长 — EddyVGG · 2026-10-23
- CritPt v2 涨分主因是改题：v1 的 32% 到 v2 的 83% 不可直接对比 — ArtificialAnlys · 2026-10-23
- Underdog 携手 NVIDIA 推本地模型：Saluki 27B 不到 8GB 剑指 Opus 4.6 — heyneighbor · 2026-10-23