GPT-6 Astra
-
深度:METR新一轮评测显示,前沿模型在可验证任务上已接近或超过许多熟练人类,时间跨度约每3.6个月翻倍
METR于11月20日发布2026年第四季度能力更新。在TH1.1与TH2合计套件上,时间跨度约每3.61个月翻倍;TH2可验证子集上,公开前沿模型的估计时间跨度最高约27小时。模型在编码和优化任务上通常达到或超过熟练人类,但在缺乏清晰反馈的判断任务上仍然较弱。
-
Hebbia测试GPT-6 Astra做金融研究:所需来源类型引用领先13.6个百分点,相关摘录占99.5%
OpenAI于11月20日发布客户案例称,金融研究平台Hebbia用预发布的GPT-6 Astra测试投研流程。在Hebbia的评分下,该模型在引用所需类型来源上比表现最好的对照模型高13.6个百分点,所引摘录中99.5%与问题相关,并满足97.9%的适用呈现要求。
-
OpenAI发布BioBasicsBench:100项日常湿实验任务,GPT-6 Astra最高拿到66.7%
OpenAI于11月6日与酶设计公司Ligo联合发布BioBasicsBench,用100项常规湿实验分析任务衡量智能体读懂原始实验数据的能力。xhigh推理强度下,GPT-6 Astra平均拿到66.7%的可得分数,GPT-5.6 Sol为43.8%。