GPT-6 Astra 在 AI 基准测试中跃升 4 分
artificial analysis 更新 intelligence index v4.2 以回应 gpt-6 astra 评分引发的质疑. 新增基准测试和 40% 私有测试数据旨在防止刷分.
Artificial Analysis 将其智能指数更新至 v4.2，这是由于对 GPT-6 Astra 初始评分的怀疑态度所致。早期的评估曾给予 Astra 很高的排名，但 Artificial Analysis 的评分却与前代相似。更新后的指数使 Astra 获得了 4 分的提升，位居第二，仅次于 Anthropic 的 Claude Fable 5.1。Astra 还比其他前沿模型每任务使用的 token 更少。该更新包含新的基准测试，如 AA-Briefcase 和 GDP.pdf，并将私有测试数据的权重提高到 40%。