Astra 在高复杂度可验证任务上持续称王，Fable 5.2 强于交互类工作
JoshPurtell · x · 2026-11-11
Josh Purtell 分享了一项高可验证性自研任务（highly-verifiable autoresearch task）上的成本/奖励帕累托前沿分析：带星标的模型意味着在该前沿上。他称 Astra 在高复杂度、可验证任务上的表现「好得惊人」，发布两个月后仍是该类任务的王者；而 Fable 5.2 在交互式、不可验证的工作上相当强。他猜测 Astra 可能是更大的模型。
所属事件:Astra 6 形式验证能力碾压 Opus,发布两月仍居榜首(2 条相关)→
「模型」频道最新
- 独立开发者预告:1 月中旬发布自训模型,配套对齐模型免费用 — gnukeith · 2026-11-11
- Yuanbao-Reranker 发布 0.6B/4B/8B 三档重排器,基于 Qwen3 合成数据训练 — _reachsumit · 2026-11-11
- gnukeith 囤多台 Framework 练小模型：2B 或能干 75% 的活 — gnukeith · 2026-11-11
- 曝 Anthropic 内部 Model 4 达 AECI 178.76，Mythos 5.2 疑为「削弱版」 — haider1 · 2026-11-11
- 开发者训练小型 CoreML 决策模型,大幅跑赢自有基线 — cyrilzakka · 2026-11-11
- Fable 5.2 审计代码库揪出 Opus 5.5 遗漏的多处问题 — CtrlAltDwayne · 2026-11-11