采集时 SimpleBench MCQ 榜单列出 GPT-6.2 Astra 第 15 名,AVG@5 为 77.3%;GPT-6.2 Astra Pro 单独列为第 14 名、79.2%。这是动态榜单快照,页面没有提供这两项结果的逐题记录或完整模型运行配置。
适合判断的任务:多选题形式的空间、时间、社会常识与语言陷阱推理。
不适合外推的任务:编程、事实检索、长文写作、工具调用或一般任务的整体能力。
适用的模型版本:榜单标签为 GPT-6.2 Astra;GPT-6.2 Astra Pro 是独立条目。
测试环境或客户端:SimpleBench MCQ 榜单;底层模型 API、快照 ID 与评测 harness 未注明。
推理档位和参数:榜单未列 Astra 专属档位;页面通用设置显示 temperature 0.7、top-p 0.95,o1 系列除外。
SimpleBench 是六选一文本基准,覆盖空间推理、时间推理、社会智能和语言对抗性问题。网站称题目超过 200 道;链接的 2024 年技术报告记载原始数据集含 204 道人工编写题,并说明每个模型运行五次,报告平均分和 MAJ@5。当前榜单的列名是 Score (AVG@5);网站还提示会尝试工程化提示词来优化基准成绩。
该报告的五次运行、204 题及提示方法描述的是 2024 年评测。网站没有说明当前 GPT-6.2 Astra 条目是否完全沿用该题集、提示词与采样流程,也没有公开本次运行的模型快照、单次得分或提交日期。因此 AVG@5 按榜单原标签记录,不据此推定本次每个评测细节。
| 榜单条目 | 排名 | AVG@5 | 与 GPT-6.2 Astra 的差值 |
|---|---|---|---|
| GPT-6.2 Astra Pro | 14 | 79.2% | +1.9 个百分点 |
| GPT-6.2 Astra | 15 | 77.3% | — |
| GPT-6 Astra Pro | 6 | 86.5% | 同为 Pro 标签,前代条目 +9.2 个百分点 |
| GPT-6 Astra | 7 | 83.6% | 前代非 Pro 条目 +6.3 个百分点 |
| GPT-6.1 Sol | 8 | 82.9% | 另一模型条目,不视作 Astra 前代 |
榜单把 GPT-6.2 Astra 与 Astra Pro 分成两行;不能把 Pro 成绩记作普通 Astra 的成绩。相较前代 GPT-6 Astra 的榜单分数,当前 Astra 条目低 6.3 个百分点;该差值仅描述页面列出的成绩,不证明模型能力退步,因页面未给出版本快照和一致性运行细节。
当前榜单模式:MCQ;分数列:Score (AVG@5)。
GPT-6.2 Astra:15th NEW,77.3%,OpenAI。
GPT-6.2 Astra Pro:14th NEW,79.2%,OpenAI。
GPT-6 Astra:7th,83.6%;GPT-6 Astra Pro:6th,86.5%。
页面设置:temperature 0.7、top-p 0.95(o1 系列例外);页面说明会使用工程化提示词优化基准成绩。
页面简介称基准有 200 多道题;2024 年技术报告称原始集合为 204 道六选一题,四类占比约为空间 40%、时间 10%、社会智能 25%、语言对抗性 25%。
技术报告方法:每模型五次独立运行,报告 AVG 与 MAJ@5;后者按五次中正确答案至少出现三次计为正确。报告中的 MAJ@5 定义不等于当前榜单展示的 AVG@5。
77.3% 是 SimpleBench 对特定多选题集合的榜单分数,不是模型总体准确率或 IQ。排行榜会变化,本文只记录 2026-11-19 可见快照。公开页面未披露 GPT-6.2 条目的题目级答案、五次分项、模型快照、实际提示词、失败样本或置信区间;旧技术报告只能解释基准原始设计,不能补足这些缺项。
2026-11-19 通过 Tabbit 打开 SimpleBench,查看 MCQ 榜单及展开的 benchmark settings;并打开页面链接的 SimpleBench 技术报告核对原始题集与方法。本文未重新调用模型或重跑题目。
GPT-6.2 Astra