GPT-6 Astra-ն ստացել է հակասական գնահատականներ անկախ լաբորատորիաների կողմից

2026 թվականի սեպտեմբերի 3-ին թողարկված OpenAI-ի GPT-6 Astra-ն հակասական կարծիքներ է առաջացրել անկախ գնահատողների շրջանում. մեկ վարկանիշային աղյուսակ այն դասում է աշխարհի լավագույն AI մոդելների շարքին, իսկ մյուսը այն համարում է իր նախորդին հավասար և մրցակից Anthropic-ից հետ մնացող։

Տարբերվող գնահատականներ

Epoch AI-ի համակցված հնարավորությունների ինդեքսը Astra-ին տվել է 169 միավոր՝ այն դասելով առաջին տեղում 267 մոդելների մեջ՝ առաջ անցնելով Anthropic-ի Claude Fable 5.1-ից (163 միավոր)։ Սան Ֆրանցիսկոյում գործող Artificial Analysis ընկերությունը հանգել է այլ եզրակացության։ Նրա ինտելեկտի ինդեքսը Astra-ին տվել է 61 միավոր, ինչը ճշգրտորեն համընկնում է OpenAI-ի Microsoft Corporation ↘ 0.99% GPT-5.6 Sol-ի ցուցանիշի հետ, մինչդեռ Anthropic-ի Claude Fable 5.1-ը հինգ միավորով առաջ է՝ 66 միավորով։ Կոդավորման առաջադրանքներում պատկերն ավելի դրական է. Astra-ն Artificial Analysis-ի կոդավորման գործակալների ինդեքսում վաստակել է 67 միավոր, ինչը մոտավորապես Claude Opus 5-ի և Meta-ի ↗ 0.84% Muse Spark 1.3-ի մակարդակին է:trendingtopics+4

Անհամաձայնությունը մասամբ պայմանավորված է նրանով, թե ինչ է չափում յուրաքանչյուր ինդեքս։ Epoch AI-ն համախմբում է տրամաբանության, մաթեմատիկայի, գիտության և գործակալների բենչմարկների միավորները մեկ թվի մեջ, մինչդեռ Artificial Analysis-ը տարբեր կերպ է կշռում գիտելիքը, երկար փաստաթղթերի տրամաբանությունը և փաստացի ճշգրտությունը։ Epoch AI-ն X-ում նշել է, որ Astra-ի ռեկորդը գտնվում է նախորդ առաջատարների «անորոշության սահմաններում», ինչը հուշում է, որ տարբերությունը կարող է ավելի փոքր լինել, քան թվում է վերնագրից:latent+1

ARC-AGI-3. Մարդկանցից ավելի արդյունավետ

ARC Prize կազմակերպությունը Astra-ն փորձարկել է ARC-AGI-3-ի վրա՝ ինտերակտիվ բենչմարկ, որը գործակալներից պահանջում է ուսումնասիրել անծանոթ միջավայրեր, ենթադրել նպատակներ և պլանավորել գործողություններ առանց հստակ հրահանգների։ Ստանդարտ պայմաններում Astra-ն վաստակել է 62.7%՝ մոտ 26 000 դոլար արժողությամբ մեկ գործարկման համար։ OpenAI-ի Provider Adapter-ի օգտագործմամբ, որը պահպանում է մոդելի տրամաբանական վիճակը հարցումների միջև, միավորը բարձրացել է մինչև 99.9%՝ մոտ 19 000 դոլարով:arcprize

Ուշագրավ բացահայտում էր Astra-ի գործողությունների արդյունավետությունը։ Մոտ 500 մարդ մասնակիցների հետ համեմատած՝ Astra-ն մակարդակների 96%-ում օգտագործել է ավելի քիչ գործողություններ, քան մարդկանց միջին ցուցանիշը, և ընդհանուր առմամբ 51.7%-ով ավելի քիչ գործողություն է պահանջվել։ «Սա կարևոր հանգրվան է», — գրել է ARC Prize-ը՝ հավելելով, որ արդյունքը «հասել և գերազանցել է մարդկային մակարդակը»:arcprize

Բաց մաթեմատիկական խնդիրներ և աճող ծախսեր

Epoch AI-ն նաև հայտնել է, որ իր նոր FrontierMath Erdős բենչմարկում, որը ներառում է մաթեմատիկոս Պոլ Էրդյոշի կողմից առաջադրված 68 բաց խնդիրներ, Astra-ն միակ մոդելն էր, որը լուծել է դրանցից մի քանիսը՝ ներկայացնելով Lean-ով հաստատված ապացույցներ երկու խնդրի համար՝ յուրաքանչյուր փորձի համար 300 դոլար բյուջեով։ Երեք լրացուցիչ լուծումներ ստացվել են ավելի թանկ, ոչ ստանդարտ գործարկումներով, որոնց արժեքը գերազանցել է 220 000 դոլարը, և Epoch-ը դրանք հանել է պաշտոնական միավորից:the-decoder+1

Մշակողների համար այս կատարողականը գին ունի։ OpenAI-ը Astra-ի API-ի սակագները սահմանել է 10 դոլար մեկ միլիոն մուտքային տոկենի համար և 50 դոլար մեկ միլիոն ելքային տոկենի համար, ինչը 2.5 անգամ ավելին է, քան GPT-5.6 Sol-ի դեպքում։ Artificial Analysis-ը պարզել է, որ Astra-ի տոկենների բարելավված արդյունավետությունը փոխհատուցում է բարձր գինը կոդավորման առաջադրանքներում, սակայն ընդհանուր ինտելեկտուալ աշխատանքի համար մոդելը մոտ 75%-ով ավելի թանկ է:trendingtopics