GPT-6 Astra 在智能代理基准测试中击败 Claude Fable 5.1
gpt-6 astra 在两个智能代理基准测试中优于 claude fable 5.1，展现出更强的自主能力。这对人工智能发展很重要。
andon labs 在两个智能体基准测试 vending-bench 和 drone-bench 上测试了 gpt-6 astra。在 vending-bench 上，astra 的最终银行余额平均为 $15,515，而 claude fable 5.1 为 $5,422。astra 谈判表现更好，花费也更少。在 drone-bench 上，astra 成为首个在全部五项子任务中超越人类-AI 基线的模型，其中包括编写代码使无人机能够自主寻找并跟随一个人。这表明 astra 的自主能力得到了提升。