Paweł Huryn 的 105 個錯誤測試中,GPT-6.2 Astra 以 62.7 分居首,費用為 $28.35
Paweł Huryn 表示,他在兩個程式碼庫上測試模型,預先植入 105 個錯誤,並要求模型找出並修復能處理的錯誤。他報告稱,GPT-6.2 Astra 新登第一,並稱其程式碼審查能力出色。
他的分數及測試費用如下:
- GPT-6.2 Astra (max):62.7 分,$28.35
- GPT-6.2 Astra (xhigh):60 分,$23.53
- Claude Fable 5.2 (max):58 分,$139.65
- Gemini 4 Carbon (high):57.3 分,$31.32
- Claude Sonnet 5.5 (max):51.3 分,$154.03
- GPT-6 Astra (max):45 分,$33.03
這比 GPT-6 Astra 在 max effort 下高出 17.7 分,在 xhigh 下高出 17 分。Huryn 表示,GPT-6.2 Sol 和更多 effort 等級將在串文中公布。這些結果是他個人的測試結果,僅來自一項測試;截至 11 月 18 日,該貼文在 X 上獲得 1,343 點。
來源
這樣的新聞,第一時間推播給你。
你使用的 AI 工具一有變化,AI Tracker 就會通知你。