GPT-6 Astra、エージェントベンチマークでClaude Fable 5.1を上回る
gpt-6 astraは、vending-benchとdrone-benchの2つのエージェントベンチマークでclaude fable 5.1を上回り、より優れた自律能力を示しました。これはAI開発にとって重要な意味を持ちます。
andon labsは、vending-benchとdrone-benchという2つのエージェントベンチマークでgpt-6 astraをテストした。vending-benchでは、astraの最終銀行残高は平均$15,515であり、claude fable 5.1の$5,422を大きく上回った。astraはfableよりも交渉が上手く、支出も少なかった。drone-benchでは、astraは、ドローンが人を自律的に発見・追跡するためのコード作成を含む5つのサブタスクすべてにおいてhuman-aiベースラインを破った最初のモデルとなった。これはastraの自律能力の向上を示している。