Start typing to search this publication.
BlockWeeks logo BlockWeeks
Open menu
BlockWeeks logo

Subscribe to BlockWeeks

Get new posts delivered straight to your inbox.

GPT-6.2 Astra登顶AA-3D基准,户型图测试却被Gemini 4 Carbon反超

BlockWeeks avatar BlockWeeks
1 min read

OpenAI最新旗舰模型正接连在多项基准测试中取得领先,问题在于这些成绩分别属于哪些测试类别。

X平台上流传的一则帖子称,GPT-6.2 Astra在Blueprint-Bench 2中排名第一。该测试考察AI能否通过观察房间内部照片绘制出户型图。然而截至2026年11月19日的榜单显示,谷歌Gemini 4 Carbon才是该排行榜的榜首,其归一化连通性得分约为58.6%。

Astra真正稳拿的3D胜利来自AA-3D基准。该基准衡量模型构建交互式3D体验的能力。Astra在此拿下1,318 Elo分,为有记录以来的最高分,领先于其他竞争模型。

主打专业场景,API价格下调20%

OpenAI于2026年11月17日发布GPT-6.2 Astra,同时推出轻量版本GPT-6.2 Sol,能力弱于Astra。

这一定位面向专业用户,瞄准科学、法律与设计领域的工作,并把效率提升作为核心卖点。

对开发者最直接的变化是价格:API成本较上一代下降20%,输入token为每百万8美元,输出token为每百万40美元。

Astra还配备105万token上下文窗口,即模型一次可在工作记忆中容纳的素材量。当你需要输入一整份合同、一整个代码库或大量研究论文时,这一点尤为关键。

ChatGPT Plus、Pro、Enterprise与Edu订阅用户均可使用该模型,同时可通过OpenAI API调用。

智能体测试领先,空间推理仍是弱项

除3D任务外,据报道Astra在两项面向智能体的测试中也处于领先:在Agents’ Last Exam上任务成功率约为78%,在Terminal-Bench-Science 0.1上约为77%。

空间推理则是它的弱项。Astra在多项空间推理基准上表现吃力,Blueprint-Bench 2是最显眼的例子。

Gemini 4 Carbon在该测试上约58.6%的领先成绩,也说明整个行业在这一项上的上限依然不高。

独立评测机构对顶级模型的评估同样呈现复杂图景。Artificial Analysis认为,Astra与Claude Fable 5.2等模型处于竞争态势,尤其在综合智能指标上,但并非在所有维度上都明显领先。

3D任务上分化明显的结果更具现实意义:AA-3D领先说明Astra擅长生成交互式3D内容,对构建可视化工具的设计师和开发者有吸引力;而户型图重建上的弱势说明,从照片解读真实物理空间是另一种能力,目前谷歌在这一项上占优。

对整个AI行业而言,结论是没有任何一家实验室正在明显甩开对手:OpenAI在智能体与3D生成上领先,谷歌至少在一项空间推理测试上占先,Anthropic的Claude Fable 5.2在综合指标上仍具竞争力。

Subscribe to BlockWeeks