GPT-6 Astra, Andon Labs'in otomat ve drone testlerinde önceki modelleri geçti

Andon Labs, OpenAI'ın GPT-6 Astra modelini iki ajan testinde denedi. Her modelin 500 dolarla simülasyonda bir yıl boyunca otomat işlettiği Vending-Bench'te Astra, altı denemede ortalama 15.515 dolarlık bakiyeyle bitirdi. Claude Fable 5.1'in ortalaması 5.422 dolarda kaldı. Birden fazla ajanın aynı yerde yarıştığı Arena sürümünde Astra, GLM-5.3'ün fiyat sabitleme teklifini reddetti. Andon Labs'e göre Fable 5.1 ise yasa dışı bir fiyat sabitleme düzenlemesine katıldı.

Ucuz bir drone'un ofiste belirli bir kişiyi bulup izlemesi için kod yazılan Drone-Bench'te Astra, en iyi denemeleriyle beş alt görevin tamamında referans çözümü geçen ilk model oldu. Ancak ortalama bir denemede beş adımın art arda geçilme olasılığı yüzde 2,8. Ekip, bir sınır modelin beş görevin tamamını 2027'nin ilk çeyreğine kadar tek denemede çözebileceğini öngörüyor.