Models18.11.2026 · 02:078 nguồn
GPT-6.2 Astra của OpenAI đạt điểm 100% đầu tiên trên ARC-AGI-3 giữa những đánh giá trái chiều từ người thử nghiệm
Từ marketbrief.now
GPT-6.2 Astra vừa ra mắt của OpenAI đã trở thành AI model đầu tiên đạt điểm số 100% đã được xác minh trên benchmark suy luận ARC-AGI-3. Mô hình đạt được cột mốc này với chi phí 4.100 USD khi dùng provider adapter, trong khi chỉ đạt 70,3% với mức giá 24.200 USD ở cấu hình tiêu chuẩn. Astra cũng thiết lập các kỷ lục state-of-the-art với 95,8% trên ARC-AGI-2 ở mức 0,50 USD mỗi tác vụ và 98,5% trên ARC-AGI-1 ở mức 0,17 USD mỗi tác vụ. Điều này khiến đồng sáng lập ARC Prize, Greg Kamradt, nhận định rằng các benchmark tác vụ tĩnh từ GPT-1 đến GPT-6.2 sẽ không còn đủ khả năng để đo lường các frontier model trong tương lai.
Dù đạt được cột mốc về suy luận và điểm số khoa học ấn tượng, những người thử nghiệm sớm cho biết kết quả sử dụng hàng ngày sau khi rollout GPT-6.2 Astra và GPT-6.2 Sol còn nhiều ý kiến trái chiều. Giáo sư Ethan Mollick từ Wharton viết rằng đợt ra mắt này "là lần đầu tiên kể từ GPT 4.5, một bản phát hành frontier từ OpenAi không phải là một bước tiến rõ rệt", đồng thời nói thêm rằng mô hình này "thường gây khó chịu khi dùng". CEO Dan Shipper gọi các mô hình này là "một bản phát hành đáng thất vọng so với Fable 5.2" sau nhiều tuần thử nghiệm, đồng thời lưu ý rằng Astra 6.2 là một bước lùi về khả năng viết do các phản hồi quá ngắn gọn, thường xuyên dừng quá sớm khi xây dựng mã nguồn end-to-end và gặp khó khăn trong việc thay đổi phong cách.
Nguồn
+ 6 nguồn khác
- SUPPORT@lyraxana“Artificial Analysis Intelligence Index Scores: 6.2 Astra @ max effort scores 62.1 6.2 Sol @ max effort scores 57.3 Fable 5.2 @ max effort scores 64.6”x.com
- SUPPORT@emollick“This is the first time since GPT 4.5 that a frontier release from OpenAi is not a clear step forward.”x.com
- SUPPORT@kimmonismus“GPT-6.2 Astra Max falls short 3 point behind Fable 5.2 in @ArtificialAnlys Intelligence Benchmark.”x.com
- SUPPORT@himanshustwts“GPT-6.2 Astra is flat with GPT-6 Astra, and GPT-6.2 Sol loses 3 points relative to GPT-6.1 Sol in the Artificial Analysis Coding Agent Index (Codex harness at max effort).”x.com
- SUPPORT@danshipper“We've been testing them for the last few weeks @every and, unfortunately, these models aren't great. Overall a disappointing release compared to Fable 5.2.”x.com
- SUPPORT@gregkamradt“GPT-6.2 Astra is the first model to achieve a 100% score on ARC-AGI-3.”x.com
Bản tin mỗi sáng
Tin quan trọng nhất trong ngày. Miễn phí, hủy bất cứ lúc nào.
Telegram @aihomnay