热点榜
热点事件持续更新

ARC Prize 公布 GPT-6.2 Astra 与 Sol 基准成绩

11 篇报道3 个报道来源6 小时前更新

先了解这件事

ARC Prize 公布 OpenAI GPT-6.2 Astra 在 ARC-AGI-3 上得分 100.0%,成为首个在该基准拿满分的模型;使用提供商适配器测试框架时成本 $4.1K,standard 模式下得分 70.3%、成本 $24.2K。同批结果中,Sol 在高推理模式下 ARC-AGI-3 最佳得分 98.2%,比 Astra 最高推理模式的 100% 低 1.8 个百分点,但借助提供商适配器测试框架成本低 64%($1.5K)。

Astra 在 ARC-AGI-2 得 95.8%、$0.50/任务,ARC-AGI-1 得 98.5%、$0.17/任务;Sol 对应为 85.8%、$0.13/任务和 97.5%、$0.06/任务。效率方面,在 ARC-AGI-3 半私有游戏、使用提供商适配器测试框架的条件下,Astra 在每一档 effort 下采取推理动作的比例都低于前代 GPT-6 Astra,首个动作的推理 token 用量少 53%;在全部 25 个公开游戏中以最大推理强度运行时,所用动作数比人类基线少 64.1%、比 GPT-6 Astra 少 5.2%。在 ARC-AGI-2 半私有任务上,从 low 到 xhigh 各档位,其推理 token 用量比前代少 51%,但在最高档位反而多 12%。

Arena 同日宣布两款模型已进入 Agent Arena 供实测,分数尚未公布。OpenAI 的 Sherwin Wu 另称,基于 6.2 Astra 构建的 Astra for Law 通过 Trusted Access Program 向所有 ChatGPT Enterprise 客户开放,其幻觉比 Opus 5.5 少 20 倍、比 Fable 5.2 少 25 倍。

AI 根据报道生成 · 6 小时前更新

最新进展

OpenAI 推出 Astra for Law 法律写作工具

热度走势

事件进展4

  1. Sherwin Wu公布Astra for Law及6.2版幻觉率对比数据

    Sherwin Wu:Astra for Law 大幅减少模型幻觉
  2. GPT-6.2 Astra和Sol上线Arena

    Arena:GPT-6.2 Astra 和 Sol 上线 Arena,可前往 Agent Arena 实测
  3. ARC Prize公布GPT-6.2 Astra推理Token效率数据

    ARC Prize:GPT-6.2 Astra 推理 token 用量对比
  4. ARC Prize公布GPT-6.2 Astra在ARC-AGI-3的推理占比数据

    ARC Prize:OpenAI GPT-6.2 Astra 在 ARC-AGI (Verified) 上取得 100% 满分

看完资讯,聊聊你的企业

留下联系方式,我会亲自联系你。

WECHAT

添加我的微信

长按或选中下方微信号复制。