Models08.09.2026 · 06:355 nguồn

GPT-6 Astra đạt 14% trên MazeBench, dẫn trước Claude Fable 5.1 gấp 7 lần

Từ huggingnews.com

AI;DR

Mô hình mới nhất của OpenAI đã hoàn thành đợt đánh giá kéo dài 60 giờ về khả năng suy luận không gian dài hạn mà không cần dùng mã Python bên ngoài để giải quyết môi trường. GPT-6 Astra ghi nhận kết quả 14% trên benchmark MazeBench, tìm thấy 100 viên ngọc trong 200 phòng thông qua một quá trình thường đòi hỏi hơn 100 bước di chuyển. Hiệu suất này cao gấp 7 lần so với mức 2% mà Claude Fable 5.1 đạt được trên cùng bài thi không dùng mã nguồn.

Kết quả của mô hình này thậm chí còn vượt qua mức 13% của GPT-5.6 Sol khi chạy có hỗ trợ mã nguồn, cho thấy khả năng duy trì các kế hoạch phức tạp trong nội tại. Để tối ưu hóa việc xử lý, Astra đã lập kế hoạch trước từ 10 đến 20 bước theo các hành động theo lô, giúp nén quỹ đạo dự kiến từ 3 tỷ token xuống còn 350 triệu token. Những thất bại liên tục trong các câu đố 3D thực thụ cho thấy sự cải thiện chủ yếu nằm ở khả năng lập kế hoạch thay vì hiểu biết không gian hoàn chỉnh.

Đọc bài gốcĐăng nhập để góp ý

Nguồn

+ 3 nguồn khác
  1. SUPPORT@rohanpaul_ai“reduced a projected 3B-token trajectory to about 350M tokens”x.com
  2. SUPPORT@reach_vb“Astra is SoTA on MazeBench by a huge margin”x.com
  3. SUPPORT@andrewcurran_“massive jump with Astra”x.com
#gpt-6#maze-bench#spatial-reasoning#openai#competitive-benchmark#claudeBản Markdown
Lịch sử nội dung (2)
  • 2026-10-04 · Tóm tắt · vi · Thay nội dung đã lưu
    Mô hình GPT-6 Astra vừa ghi nhận kết quả 14% trong bài benchmark MazeBench, cho thấy hiệu…
    Mô hình mới nhất của OpenAI đã hoàn thành đợt đánh giá kéo dài 60 giờ về khả năng suy luậ…
  • 2026-10-04 · Tiêu đề · vi · Thay nội dung đã lưu
    GPT-6 Astra đạt 14% trên MazeBench, bỏ xa Claude Fable 5.1 gấp 7 lần
    GPT-6 Astra đạt 14% trên MazeBench, dẫn trước Claude Fable 5.1 gấp 7 lần

Bản tin mỗi sáng

Tin quan trọng nhất trong ngày. Miễn phí, hủy bất cứ lúc nào.

Telegram @aihomnay