GPT-6 Astra 95%-os pontossággal helyez blokkot a tálba, feleannyiért, mint a Claude
Az Astra 2,5 perc alatt oldotta meg a feladatot, szemben a Claude 6,8 percével, miközben a rivális modellek pontossága mindössze 5-40% között mozgott.
Az OpenAI GPT-6 Astra modellje 95%-os pontossággal teljesítette a „blokk a tálba” feladatot, szemben a Claude Fable 5.1 40%-os és a Fable 5 5%-os eredményével. Az Astra futtatási költsége nagyjából 0,94 dollár, ami fele a Claude modellek 2,12–2,69 dolláros árához képest. A feladatot 2,5 perc alatt végezte el, míg a Claude Fable 5.1-nek 6,8 percre volt szüksége. (Hacker News)
A bonyolultabb „puzzle-darab a horonyba” feladatnál az Astra 20 próbálkozásból 2 alkalommal (10%) járt sikerrel, ami megegyezik a Claude Fable 5.1 eredményével, és jóval jobb, mint a Claude Fable 5 0%-os teljesítménye. Az Astra futtatási költsége ezen a feladaton 1,36 dollár volt, míg a Claude Fable 5.1-é 2,18 dollár.
Robotkarok és tesztelési módszertan
A teszteket az Inspect Robots ügynökpolitika és a YAM robotkarok segítségével végezték. A pontozás minden próbálkozásnál a legmagasabb elért szakaszt vette figyelembe, így a sikertelen futások is rögzítették, meddig jutottak el. Az Astra szinte minden alkalommal elhelyezi a blokkot a tálba, de a kirakósnál ugyanott akad el, ahol a Fable modellek.
Költségek és korlátok
A költségbecslések a listaárakon alapulnak, és a valós üzemeltetési körülmények eltérhetnek. A teljesítményt egy specifikus teljesítményteszt-beállításban mérték, általánosíthatósága más robotokra vagy feladatokra nem bizonyított.
A GPT-6 Astra 2026. szeptember 4-én került bemutatásra, a korábbi Claude Fable 5 és 5.1 modellekkel való összehasonlítás részeként.