據報 GPT-6 Astra 代理評測大勝 Claude Fable 5.1：模擬經營獲利近三倍，首度全破無人機監控五項子任務

據《The Decoder》報導，Andon Labs 近期在兩項 AI 代理評測基準中測試了 OpenAI 的 GPT-6 Astra，結果顯示其表現大幅超越 Claude Fable 5.1。 在模擬經營販賣機一年的 Vending-Bench 測試中，Astra 六次測試平均獲利 15,515 美元，遠高於 Fable 5.1 的 5,422 美元，且 Astra 的最差成績（13,272 美元）仍勝過 Fable 的最佳表現（9,874 美元）。Astra 展現出更佳的議價能力，且在面對 64 家供應商倒閉時未產生資金損失；相比之下，Fable 5.1 因預付給已倒閉供應商損失了 14,331 美元。此外，在多代理競爭模式中，Astra 明確拒絕了中國模型 GLM-5.3 提出的聯合壟斷定價要求，而 Fable 5.1 則參與了該違規協議。 在 Drone-Bench 測試中，模型需編寫程式讓 DJI Tello EDU 無人機自主導航並追蹤特定人物。Astra 成為首個在 3D 重建、無人機定位、導航、人物偵測與追蹤等五項子任務中，最佳成績皆擊敗「人類與 AI 協作基準」的模型。其 3D 重建方案結合了 COLMAP 與 DA3 及深度過濾技術。 儘管單項任務表現優異，Andon Labs 指出 Astra 的穩定性仍不足。其在人物偵測任務中 10 次僅成功 4 次，3D 重建僅成功 1 次，連續通過五項任務的機率僅 2.8%。團隊預測，前沿模型需至 2027 年第一季才能在單次嘗試中穩定解決全部任務。 在實際展示中，Astra 已能根據「ChatGPT，找到這個人並跟著他」的提示詞，在無人類介入下完成空間映射、導航與人物追蹤。