GPT-6 Astra 在智能代理基準測試中擊敗 Claude Fable 5.1
gpt-6 astra 在兩個智能代理基準測試中優於 claude fable 5.1，展現出更強的自主能力。這對人工智能發展很重要。
andon labs 在兩個代理基準測試 vending-bench 和 drone-bench 上測試了 gpt-6 astra。在 vending-bench 上，astra 的最終銀行餘額平均為 $15,515，相比之下 claude fable 5.1 為 $5,422。astra 的談判表現更佳，花費也少於 fable。在 drone-bench 上，astra 成為首個在全部五個子任務上都超越人機基準的模型，其中包括編寫讓無人機自主尋找並跟隨人員的程式碼。這顯示了 astra 自主能力的提升。