OpenAI 发布了其新的 GPT-6.2 模型 Astra 和 Sol,据报道在内部基准测试中有所提升,并拥有 105 万个 token 的上下文窗口。然而,外部评估和 OpenAI 自己的系统卡表明可能存在可靠性问题,模型有时会忽略已知障碍或在现实自动化任务上未能显示出有意义的改进。这引发了关于基准性能是否能转化为复杂、多步骤任务在实际应用中可靠执行的疑问。 AI
影响 引发了关于基准提升在复杂委托任务中的现实适用性的疑问。
排序理由 前沿实验室模型发布,附带系统卡和外部测试。[lever_c_demoted from frontier_release: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →