GPT-6 Astra-ს შეფასებები დამოუკიდებელ ლაბორატორიებში გაიყო

2026 წლის 3 სექტემბერს გამოსულმა OpenAI-ს GPT-6 Astra-მ დამოუკიდებელ შემფასებლებში აზრთა სხვადასხვაობა გამოიწვია: ერთი რეიტინგის მიხედვით ის მსოფლიოში საუკეთესო AI მოდელია, ხოლო მეორის მიხედვით, ის თავის წინამორბედს უტოლდება და კონკურენტ Anthropic-ს ჩამორჩება.

განსხვავებული შეფასებები

Epoch AI-ს კომპოზიტურმა ინდექსმა Astra-ს 169 ქულა მიანიჭა, რითაც ის 267 მოდელს შორის პირველ ადგილზე გავიდა და Anthropic-ის Claude Fable 5.1-ს (163 ქულა) გაუსწრო. სან-ფრანცისკოში დაფუძნებულმა ბენჩმარკინგის ფირმამ, Artificial Analysis-მა, განსხვავებული დასკვნა გამოიტანა. მისმა ინტელექტის ინდექსმა Astra-ს 61 ქულა მიანიჭა, რაც ზუსტად ემთხვევა OpenAI-ს Microsoft Corporation ↘ 0.99% GPT-5.6 Sol-ის მაჩვენებელს, ხოლო Anthropic-ის Claude Fable 5.1 ხუთი ქულით წინ არის 66 ქულით. კოდირების დავალებებში სურათი უფრო პოზიტიურია: Astra-მ Artificial Analysis-ის კოდირების აგენტების ინდექსში 67 ქულა დააგროვა, რაც დაახლოებით Claude Opus 5-ისა და Meta-ს ↗ 0.84% Muse Spark 1.3-ის დონეა.trendingtopics+4

უთანხმოება ნაწილობრივ იმით არის განპირობებული, თუ რას ზომავს თითოეული ინდექსი. Epoch AI აერთიანებს ქულებს მსჯელობის, მათემატიკის, მეცნიერებისა და აგენტების ბენჩმარკებიდან, ხოლო Artificial Analysis განსხვავებულად აფასებს ცოდნას, გრძელი დოკუმენტების ანალიზს და ფაქტობრივ სიზუსტეს. Epoch AI-მ X-ზე აღნიშნა, რომ Astra-ს რეკორდი წინა ლიდერების "გაურკვევლობის დიაპაზონშია", რაც მიანიშნებს, რომ სხვაობა შესაძლოა უფრო მცირე იყოს, ვიდრე ეს სათაურში ჩანს.latent+1

ARC-AGI-3: ადამიანებზე ეფექტური

ARC Prize-ის ორგანიზაციამ Astra შეამოწმა ARC-AGI-3-ზე, ინტერაქტიულ ბენჩმარკზე, რომელიც აგენტებისგან მოითხოვს უცნობ გარემოში ნავიგაციას, მიზნების გამოცნობას და მოქმედებების დაგეგმვას ინსტრუქციების გარეშე. სტანდარტული პირობებით, Astra-მ 62.7% დააგროვა, თითო გაშვებაზე დაახლოებით 26 000 დოლარის ღირებულებით. OpenAI-ს Provider Adapter-ის გამოყენებით, რომელიც ინარჩუნებს მოდელის მსჯელობის მდგომარეობას მოთხოვნებს შორის, ქულა 99.9%-მდე გაიზარდა, დაახლოებით 19 000 დოლარის ფარგლებში.arcprize

გამორჩეული აღმოჩენა იყო Astra-ს მოქმედების ეფექტურობა. დაახლოებით 500 ადამიან მონაწილესთან შედარებით, Astra-მ დონეების 96%-ში ადამიანის მედიანაზე ნაკლები მოქმედება გამოიყენა და საშუალოდ 51.7%-ით ნაკლები მოქმედება დასჭირდა. "ეს მნიშვნელოვანი ეტაპია", – წერს ARC Prize და დასძენს, რომ შედეგმა "ადამიანურ პარიტეტს მიაღწია და გადააჭარბა კიდეც".arcprize

ღია მათემატიკური პრობლემები და მზარდი ხარჯები

Epoch AI-მ ასევე განაცხადა, რომ მის ახალ FrontierMath Erdős ბენჩმარკზე, რომელიც მათემატიკოს პოლ ერდოშის მიერ დასმულ 68 ღია პრობლემას მოიცავს, Astra იყო ერთადერთი მოდელი, რომელმაც ამოხსნა ზოგიერთი მათგანი და წარმოადგინა Lean-ით დამოწმებული მტკიცებულებები ორი პრობლემისთვის, მცდელობაზე 300 დოლარის ბიუჯეტით. დამატებითი სამი ამოხსნა მიღებულ იქნა უფრო ძვირი, არასტანდარტული გაშვებებით, რომელთა ღირებულება 220 000 დოლარს აღემატებოდა და Epoch-მა ისინი ოფიციალური ქულიდან გამორიცხა.the-decoder+1

დეველოპერებისთვის ეს შესრულება ფასთან არის დაკავშირებული. OpenAI-მ Astra-ს API-ს ტარიფები დაადგინა 10 დოლარად მილიონ შემავალ ტოკენზე და 50 დოლარად მილიონ გამავალ ტოკენზე, რაც 2.5-ჯერ მეტია GPT-5.6 Sol-თან შედარებით. Artificial Analysis-მა დაადგინა, რომ Astra-ს გაუმჯობესებული ტოკენების ეფექტურობა ანაზღაურებს მაღალ ფასს კოდირების დავალებებში, თუმცა ზოგადი ინტელექტუალური მუშაობისთვის მოდელი დაახლოებით 75%-ით უფრო ძვირია.trendingtopics