曝 OpenAI Astra/Sol 5.2 以约20%成本登顶 LabBench 与 ScreenBench
danielmckinn0n · x · 2026-11-19
第三方评测账号 danielmckinn0n 称,OpenAI 的 Astra 5.2 与 Sol 5.2 在 GamowLabs 评测上显著推进 Pareto 前沿,并以微弱优势拿下 LabBench 和 ScreenBench 第一。配图显示:RareBench 完整因果召回上 Gemini 4 Carbon 与 Claude Fable 5.2 以 61.5% 并列第一;LabBench 平均任务分 GPT-6.2 Astra 以 50.7% 居首,Gemini 4 Carbon 50.3% 紧随其后;ScreenBench 上 GPT-6.2 Astra 得 0.748 领先。
作者最关注的点是效率:Astra/Sol 5.2 仅用约 20% 于 Fable 5.2 的成本与 token 消耗就达到该成绩,代表一种向简洁、快速演化的趋势。他认为自己工作流中 Gemini 4 Hydrogen 与 Astra 5.2 将争夺主力位置,后续会给出实际体验对比。
「模型」频道最新
- 隐性模型 Gestalt 登顶设计基准,领先第二名 Claude 214 分 — soleio · 2026-11-19
- mrfakename 发布 GLM-5.3-Flash 与 Qwen3.8-Flash-Next 去审查版 — mrfakename0 · 2026-11-19
- 医生观察:AI 竞争已按周计,GPT-6 两版仅隔 7 天 — ramos_casals · 2026-11-19
- 数据平台 micro1 上线泄漏检测模型,为基准分数保驾护航 — Exp_Mark · 2026-11-19
- 爆料:DeepSeek 本周或发新论文,11 月 11 日有排期 — teortaxesTex · 2026-11-19
- Gemini 4 Neon 开始灰度推送,界面曝光三大模型分层 — testingcatalog · 2026-11-19