AA 评测 CritPt v2 私有子集:GPT-6 Astra 72% 居首,开源最好仅 45%
ArtificialAnlys · x · 2026-10-28
Artificial Analysis 详解其指数中 CritPt v2 的评分方式:从 70 道研究级物理题中剔除发布时 7 个前沿模型五次尝试全解出的 30 道,保留 40 道私有难题,模型在离线 Python 沙箱的 agentic 环境 Stirrup 中作答。
结果:GPT-6 Astra (high effort) 以 72% 领先,GPT-6.1 Sol (max effort) 69%,综合榜冠军 Claude Opus 5.5 (max) 61%;开源权重最高的 Kimi K3.1 Pro 仅 45%。
所属事件:AA 新评测：无模型通吃，Opus 5.5 拿 3 项第一(2 条相关)→
「模型」频道最新
- Gemini 4 Argon 刷新 OCR 纪录：WER 1.73%，超越人类专家 — gabriberton · 2026-10-28
- Meta 开源级翻译系统 Omnilingual MT 覆盖 1600 种语言 — kalyan_kpl · 2026-10-28
- LFM3-1.7B 无审查 GGUF 权重上线 Hugging Face — kalyan_kpl · 2026-10-28
- OpenRouter 周token量一年涨27倍至165万亿，开放模型占72% — FinanceYF5 · 2026-10-28
- 曝特斯拉 Optimus 数据采集：40 相机动捕服三班倒运转数月 — Scobleizer · 2026-10-28
- FrontierMemory 基准榜：Letta Dream 得 73.3% 居首，超 OpenAI 与 Claude agent — afurgs · 2026-10-28