OpenAI 总裁格雷格：GPT-6 Astra 在 ARC-AGI-3 达 SOTA，高阶推理调用更精简

X：Greg Brockman（2026-09-03）转发称，GPT-6 Astra 在 ARC-AGI-3 的不同测试框架下得分差异明显，这一结果之所以受关注，在于它同时涉及模型能力、评测设计与推理成本。

• 原帖称标准 harness 得分为 63%，Provider Adapter harness 下升至 99%，两者并非同一测试条件。
• 原帖还称 Astra 在 96% 的关卡中超过受测人类表现，但未展示完整实验细节。
• OpenAI《GPT-6 Astra System Card》（2026-09-03）确认 Astra 已公开发布，并强调其在长程任务与代码调试评测中的能力提升。
• 更少动作和调用可能降低单次任务成本，但成本结论取决于模型价格、工具调用和评测实现。
• 影响/看点：若 Provider Adapter 的设置能被独立复现，评测重点可能从单一分数转向任务覆盖、动作效率与跨框架可比性；否则 99% 更适合作为特定 harness 下的结果解读。
• 资料依据:
• X：Greg Brockman（2026-09-03）：https://x.com/gdb/status/2095629409017614390
• OpenAI《GPT-6 Astra System Card》（2026-09-03）：https://deploymentsafety.openai.com/gpt-6-astra

本内容由 AI 生成，仅供参考，请注意甄别