Artificial Analysis 评测显示 Grok 4.6 在多项智能体基准上超越 GPT-6 Astra

一则X帖根据Artificial Analysis数据，宣称Grok 4.6在多项智能体基准上超过GPT-6 Astra，关注价值在于不同模型的比较已经从单项性能延伸到代理任务、银行业务和非幻觉能力等指标。

• OpenAI官方页面公开了Astra在Artificial Analysis Intelligence Index v4.1.1上的得分61.2，但该页面没有列出Grok 4.6在帖文所称各项指标中的对应成绩。
• Agentic Index、τ3-Banking、Non-hallucination和GDPval-AA v2的任务定义、评分方式及模型配置不同，不能简单合并成一个“综合领先”结论。
• 基准比较还会受到提示词、工具权限、运行时间、是否允许重试和评测版本影响。
• 因此，帖文中的具体数字应理解为特定数据集和配置下的比较，不能直接推导出通用能力排序。
• 影响/看点：若这些结果能在同版本、同配置和公开方法下复现，Grok可能在部分智能体任务中具备竞争优势；成立条件是Artificial Analysis或模型提供方公开完整评测细节。
• 资料依据:
• OpenAI《GPT-6 Astra: A new generation of intelligence》（2026-09-03）：https://openai.com/index/gpt-6-astra/
• X：cb_doge（2026-09-03）：https://x.com/cb_doge/status/2095655991367143679

本内容由 AI 生成，仅供参考，请注意甄别