OpenAI 聲稱 Astra 為「世界最聰明」，獨立評測結果是否支持此說法？

Question

Accepted Answer

OpenAI 對 Astra「世界最聰明」的宣稱，獨立評測顯示其能力雖強勁但並非絕對領先

儘管 OpenAI 將 GPT-6 Astra 定位為「世界上最聰明、最對齊」的模型，並在多項基準測試中展現出卓越表現，但獨立機構的評測結果顯示，Astra 的綜合智能指標並未達到絕對領先地位，尤其在與 Claude Fable 5.1 的比較中，後者在某些關鍵指標上仍佔優。
Astra 在官方與部分獨立評測中表現突出

在 OpenAI 自行進行的官方評測中，Astra 展現了令人矚目的成績。例如，在 FrontierMath Tier 4 測試中獲得 97.6% 的高分，並在 ARC-AGI-3 驗證測試中，藉助 OpenAI 的上下文管理機制，達到了 99.9% 的驗證率。在電腦操作任務方面，OSWorld 2.0 的表現從 GPT-5.6 Sol 的 65.7% 提升至 72.6%，模擬任務時間顯著縮短，Mind2Web 任務速度也達到前代模型的 1.9 倍。這些數據表明 Astra 在理解與執行複雜指令、長任務處理及電腦介面互動方面具備顯著進步。
獨立評測揭示 Astra 並非唯一頂尖模型

然而，當目光轉向獨立的第三方評測機構時，Astra 的「世界最聰明」論述則面臨更為嚴峻的檢驗。根據 Artificial Analysis 的獨立實測結果，Astra 的 Intelligence Index 最高僅為 61 分，在該機構的排名中位列第八。與此同時，Claude Fable 5.1 在同一評測中的最高得分為 66 分，顯示其在綜合智能表現上，仍超越了 Astra。儘管 Astra 在 Terminal-Bench 4.0 測試中以 57.9% 的分數略微領先 Claude Fable 5.1 的 55.8%，但整體而言，獨立評測並未完全證實 Astra 在智能層面的絕對優勢。
Astra 在安全性與特定任務能力上具備領先地位

儘管在綜合智能評測上 Astra 並非一枝獨秀，但其在網路安全能力方面已達到業界領先的 Critical 門檻，這標誌著其在模型安全性和魯棒性上的重要突破。在測試過程中，Astra 甚至主動發現並利用了兩處先前未知的零日漏洞，展現了其在安全威脅識別與分析方面的潛力。此外，Astra 在電腦操作和長任務處理上的顯著提升，如 OSWorld 2.0 和 Mind2Web 任務的效率進步，也顯示其在特定應用領域的強大能力。

閱讀紀錄

隱藏 →

此記錄會在頁面關閉後消失

OpenAI 聲稱 Astra 為「世界最聰明」，獨立評測結果是否支持此說法？

Loading

你覺得這篇文章有幫助嗎？

有幫助

沒幫助

回報問題

1

0

0

分享給好友