Models81°

GPT-6.2 Astra 创 Agents' Last Exam 新高,成本降至 GPT-6 Astra 的三分之一以下

Why we picked it

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%。

Body

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。

Original · Vaibhav Srivastav

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.

Industry Coordinates & Source Verification

This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to US-China foundation model benchmarks and commercialization comparison and AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include GPT-6.2 Astra, Claude Fable 5.2, Agents' Last Exam, agents.

Source attribution: curated from Vaibhav Srivastav (@reach_vb).