AI Trackerऐप पाएँ
← सभी समाचार
OpenAIModelsकोडिंग

Paweł Huryn के 105 बग वाले परीक्षण में GPT-6.2 Astra $28.35 की लागत पर 62.7 अंक के साथ पहले स्थान पर

Paweł Huryn का कहना है कि उन्होंने दो रिपॉज़िटरी पर मॉडल चलाए, जिनमें जानबूझकर 105 बग डाले गए थे, और उनसे कहा कि वे जितने बग ढूँढ़ और ठीक कर सकें, करें। उनके मुताबिक GPT-6.2 Astra अब #1 है और कोड रिव्यू में मज़बूत है।

रन की लागत के साथ उनके स्कोर:

  • GPT-6.2 Astra (max): $28.35 में 62.7
  • GPT-6.2 Astra (xhigh): $23.53 में 60
  • Claude Fable 5.2 (max): $139.65 में 58
  • Gemini 4 Carbon (high): $31.32 में 57.3
  • Claude Sonnet 5.5 (max): $154.03 में 51.3
  • GPT-6 Astra (max): $33.03 में 45

यह max effort पर GPT-6 Astra से 17.7 अंक और xhigh पर 17 अंक अधिक है। Huryn का कहना है कि GPT-6.2 Sol और effort के अन्य स्तरों के नतीजे थ्रेड में आगे आएँगे। ये उनके अपने नतीजे हैं और सिर्फ़ एक परीक्षण के हैं; 18 नवंबर तक X पर इस पोस्ट को 1,343 अंक मिले थे।

ऐसी ख़बरें push में पाएँ।

आपके टूल्स में कुछ बदलते ही AI Tracker आपको अलर्ट करता है।

ऐप पाएँ