GPT-6.2 Astra 创 Agents' Last Exam 新高,成本降至 GPT-6 Astra 的三分之一以下
搞智能体的朋友可以看看这个:GPT-6.2 Astra 把多步专业任务的分数刷上去了,成本只有 Claude Fable 5.2 的 5%。如果你的工作流烧 token 很凶,这次的性价比值得你重新算一笔账。
GPT-6.2 Astra 在测试多步骤专业工作能力的 Agents' Last Exam 基准上取得新高。它比 GPT-6 Astra 高出 5.2 分,同时成本不到前者的三分之一;比 Claude Fable 5.2 高出 5.5 分,成本仅为后者的 5%。
Agents' Last Exam 衡量的是模型完成多步骤专业任务的表现,也就是把一个任务拆解成多步连续操作并最终交付结果的能力,这与真实工作场景中对智能体的要求一致。GPT-6.2 Astra 在该基准上的提升幅度和成本曲线表明 OpenAI 这一代迭代重点放在了单位成本下的任务完成质量。
对需要长期运行智能体的团队来说,5% 的相对成本意味着此前只有少数玩家用得起的多步专业自动化工作流可能开始具备批量使用的经济性。与 Claude Fable 5.2 的对比也说明,智能体赛道的竞争已经从单项基准分数转向分数与成本的综合性价比。
New high on Agents’ Last Exam, which tests multistep professional work.
GPT‑6.2 Astra scores 5.2 points above GPT‑6 Astra at less than a third of the cost, and 5.5 points above Claude Fable 5.2 at just 5% of the cost.
本条情报归属 AITOP「模型」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「中美大模型技术代差与商业化对照」「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:GPT-6.2 Astra、Claude Fable 5.2、Agents' Last Exam、智能体,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「Vaibhav Srivastav」(@reach_vb),经 AITOP 多维评分管线结构化提炼。