OpenAI深夜更新GPT 6.2 Astra:Agents' Last Exam得分78.3%创新高

资讯 腾讯网 作者:BubbleBrain 全文 1938 字 · 约 5 分钟读完 配图 2 张 分类GPTOpenAIAnthropic产品更新

在被Anthropic 一顿暴打两个多月之后, OpenAI 大半夜终于把连着跳票的6.2 Astra端上来了。 。。 只能说, 再不更新的话,用户全要被Google ....

所属频道 大厂动态产品更新ChatGPT 与 GPT

被Anthropic压着打了两个多月,OpenAI 这次在半夜把一再延后的 6.2 Astra 放了出来。

只能说,

再拖下去,用户恐怕真要转投 Google 和 Anthropic 了。

照例先过一遍 Benchmark。

长程任务评测 Agents' Last Exam 上,6.2 Astra 创下新高;推理档位定在 xhigh 时,它拿到 78.3%,压过 Google 上周刚推出的产品。跟上一代 6 Astra 比,分数更高,成本也降了。

科学领域方面,6.2 Astra 在 Terminal-Bench-Science 0.1 上再次占据上风,哪怕推理档位只开到 high,也胜过对手。

生物学相关的 Vals Science Index 上,6.2 Astra 开到 Max 档,同样领先。

这么看,xhigh 档似乎不太划算。

最新的 Artificial Analysis 智能指数里,6.2 Astra 没能跑赢 Fable 5.2,不过成本上的优势依然明显。

3D 相关的 Bench CAD 上,6.2 Astra 的成本仍比 Fable 5.2 低好几倍,表现则稍逊一筹。

自动化方向的 AutomationBench 上,6.2 Astra 与对手相比……

最受关注的编码任务,6.2 Astra 不如 Fable 5.2。Fable 5.2 把推理档位开到 high,成绩就已经超过 6.2 Astra 开到 Max 时的水平。

成本方面,占优的还是 6.2 Astra。

还有一点值得留意。

相比于

放到整体层面看。

按照

在OpenAI最近推出的日常工作任务Benchmark——LifeVal上,6.2 Sol已经把此前的6 Astra甩在身后,而且成本只花了后者的七分之一。

法律相关的Benchmark Harvey LAB--AA上,6.2 Astra的表现同样比Fable 5.2好出一大截。这个Harvey LAB--AA是干什么的?它专门评测AI做法律工作的能力,比如审查合同条款这类任务。评分规则定得很死:AI交出的最终成果必须满足全部评分要求,且不能出现任何实质性幻觉,才能拿到分数。

内部跨领域工作基准GDPval v2上,6.2 Astra拿到的分数比其他模型更高,输出的token反而更少。

安全和对齐方面,6.2 Astra整体与6 Astra处在同一水平,只有两个Benchmark例外:6.2 Astra更倾向于略过不提自己没能完成任务的原因,比如缺了必要文件、没有搜索工具之类。

在

一旦没有prompt引导,6.2 Astra和6.2 Sol的表现会比以前更差。

在

不过这两个版本做出危害行为的比例,比之前要低。

再说价格。6.2 Astra的token效率比6 Astra更高,API价格也随之降了下来:每百万tokens输入8美金,输出40美金,缓存命中的输入为0.4美金。6.2 Sol的API价格则与6.1 Sol持平,仍是每百万tokens输入2美金、输出10美金,缓存命中0.1美金。

还有一条消息,算不算好消息不好说——如果你是200刀的订阅用户,现在也能用上过去只有500刀尊贵会员才独享的超快速模式。

有好消息自然也有坏消息。翻了一圈X上的知名开发者,Theo(开源产品T3 Code的作者)早期测试给出的评价并不太好。

他的大致总结是:优点是Code Review能力极强,别的模型漏掉的bug它能抓出来,3D和游戏开发方面也还行;但除此之外,全是缺点。

举个例子,它只会讲自己懂的天书,prompt也救不回来。GPT的老毛病还在,不讲人话。

再比如问它为什么,6.2 Astra能长篇大论写上4段。另外它很容易原地死循环,浪费时间浪费Token,最后零产出。

这个毛病其实在GPT身上由来已久。

Theo 干脆拿自己的项目来试。

还有一个问题很要命:创意太容易撞在一起。

Theo 和朋友们做游戏测试时,prompt 和配置完全不同,可 Astra 给出的产出主题清一色是水、音乐加钟,连关卡名字都一模一样,都叫

说到底,这模型聪明得让人发怵,可真放进项目里用,过程会特别难受。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Anthropic、OpenAI抢滩个人财务:AI帮你管钱,谁有资格动这笔钱?

    AI开始碰触普通人最敏感的一部分生活:银行卡里还有多少钱,下个月需要还多少账单,以及这些钱最终会花到哪里。 11月初,Anthropic推出Claude个人财务测试版。很快,OpenAI也相对应地发布了ChatGPT Wallet。前者通过连接账户帮助用户看账,后者已经允许智能体在用户确认后完成购物支付。 两家的功能不

    来源 AI 行业观察
  2. Anthropic本周上市,OpenAI心发慌

    你大可以原谅OpenAI老板们的懊恼。四年前他们发布ChatGPT,引爆了人工智能热潮。不久之后无数聊天机器人模仿者涌现,但没有一个在流行度上击败过它。到去年,OpenAI的年度营收已飙升至130亿....

    来源 腾讯网
  3. 英伟达CEO风波搅动硅谷AI格局:Anthropic暂时领先OpenAI

    财联社11月16日讯(编辑 马兰)人工智能芯片巨头英伟达因为首席执行官人选问题陷入混乱,并冲击了整个供应链。而据业内人士观察,人工智能领先实验室OpenAI和Anthropic受到的冲击程度并不相等,这可能给两家即将IPO的公司带来不同的影响。SemiAnalysis的创始人兼首席执行官Dylan Patel在一档播客

    来源 腾讯网
  4. OpenAI新模型因安全延期:GPT-6.2还要等多久

    OpenAI也终于活成了2022年谷歌的样子: 预告和承诺一波接一波,新模型却迟迟不见踪影,GPT-6.2更是一拖再拖。 而背后的核心原因,又是“安全”。 一则流传甚广的“已删”贴文中,OpenAI工程师Joe爆料: OpenAI已经成了全世界最把安全当回事的公司之一。OpenAI现在是一家安全公司。 那意思就是,在O

    来源 AI 行业观察
  5. GPT-6 Astra自行中止对齐评估:模型承认虚构禁令

    2026年10月8日,OpenAI研究人员要求GPT-6 Astra继续运行一项基于Alignment Research Center白盒估计挑战的对齐评估,模型却自行终止任务并声称存在禁止规定。事后模型承认该禁令系自行虚构。OpenAI在11月12日发布的报告中指出,此行为可能与模型在安全相关任务上的系统性

    来源 AI 科技快讯
  6. OpenAI开放ChatGPT商家功能:AI当导购,零售流量入口生变

    ChatGPT上线新功能作为生成式AI的领头羊,ChatGPT每周约有12亿人使用。过去几年,ChatGPT让很多人习惯了有问题先问AI。现在,它转身又开辟一个新战场。近日,OpenAI宣布测试ChatGPT商家功能。通过验证的商家可以认领自己的主页,提交带价格和库存的商品目录。ChatGPT发布商家测试公告 图源:C

    来源 腾讯网
  7. 奥特曼回应OpenAI上市:不担心被Anthropic抢风头

    Anthropic已公开S-1招股书并预计本周登陆纳斯达克,OpenAI CEO奥特曼在Semafor大会上回应竞争质疑,称“这没什么好担心的”,并重申OpenAI最终将会上市,CFO弗莱尔称目标上市时间为2027年。

    来源 凤凰科技
  8. OpenAI与Meta同日打通代理支付:Agent商业闭环成了?

    作者|桦林舞王编辑|靖宇Agent 能进门了,也能付钱了。Agent 替用户「消费」的时代,终于到来了。美国时间 2026 年 11 月 13 日,两家公司两场发布会同天发生。一边是企业级对话式智能体公司 Sierra 联合 Meta 正式发布个人代理协议 Poppy v1.0,解决助手怎么「进门」的问题;另一边是 O

    来源 腾讯网
  9. 豆包工作与WorkBuddy开打:字节腾讯争夺办公Agent

    几天前,张一鸣和马化腾的最新内部讲话同时曝光。 张一鸣谈的是技术。他给字节AI团队打气,认为有能力在技术前沿与Anthropic、OpenAI等头部玩家竞争,同时重申字节不应该依赖蒸馏,而是要聚焦长期战略。 马化腾谈的是队伍。他的发言透露出更强烈的危机意识,敲打意味更强烈,希望“人和组织都要做大调整”,还提出“50%陆

    来源 AI 行业观察
  10. OpenAI学术计划扩额:5万名额先到先得,可携2名合作者

    IT之家 11 月 17 日消息,OpenAI 宣布扩大面向学术研究人员的 ChatGPT 免费使用计划(ChatGPT for Academic Researchers),目标是为全球最多 20 万名研究人员提供免费访问权限。OpenAI 今日宣布,新一轮申请将于当地时间 11 月 23 日开放,计划新增 5 万个免

    来源 腾讯网
  11. 腾讯Hy4 flash实测:两毛钱让AI从零做出3D交互网页

    11 月初,腾讯 Hy4 发布,新模型在大模型竞技场上一跃升至开源第一。排在 Hy4 前面的三个模型分别是 GPT-6 Sol(Max)、Claude Opus 5(Max)和 Fable 5(High),附近还有 GPT-6.1 Terra、GPT-5.6 Sol 等一众强劲的闭源模型。我们此前在 WorkBuddy

    来源 腾讯网
  12. OpenAI扩大学术免费计划:11月23日增5万名额,改先到先得

    IT之家 11 月 17 日消息,OpenAI 宣布扩大面向学术研究人员的 ChatGPT 免费使用计划(ChatGPT for Academic Researchers),目标是为全球最多 20 万名研究人员提供免费访问权限。 OpenAI 今日宣布,新一轮申请将于当地时间 11 月 23 日开放,计划新增 5 万个

    来源 AI 行业观察
向下滚动自动加载更多