GPT-6 Astra доехала до списка моделей: на ARC-AGI 3 она берёт 98,6% против 7,8% у 5.6 Sol

Модель начали показывать в переключателе моделей, а вместе с релизом объявлены четыре результата выше прежних рекордов.

Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.

Что в числах. Тесты, названные при релизе:

- ARC-AGI 3 — 98,6% против 7,8% у 5.6 Sol - Exploit-Bench — 100% - FrontierMath Tier 4 (v2) — 97,6% против 87,8% у Fable 5.1 - DeepSWE v1.1 — 74,1% против 67,4% у Fable 5.1

Шаг не как обычно. На FrontierMath прибавка 9,8 пункта, на DeepSWE 6,7. На ARC-AGI 3 разрыв почти в десять раз больше.

Для практика из четырёх ближе всего DeepSWE, где считают задачи с кодом. Там прибавка 6,7 пункта, и четверть задач модель всё ещё не закрывает.

Следующий сигнал — независимые прогоны на тех же бенчах.