Tabbit
活动资源博客模型
Tabbit LogoTabbit

Tabbit — 为你工作的 AI 浏览器

主题资源

  • 浏览器排行榜
  • AI 浏览器指南
  • 浏览器对比
  • 浏览器测评
  • 浏览器替代方案
  • 浏览器专题目录
  • Agentic 浏览器
  • 下载与安装
  • 浏览器效率
  • SillyTavern 模型指南

热门指南

  • Best Browsers 2026: Top 10 Ranked & Compared
  • Best Free AI Browsers 2026: Plans & Prices Compared
  • Rabbit Browser: What It Is & Why Tabbit Is Better
  • Firefox vs Chrome 2026: Privacy, RAM & Speed Compared
  • Best Lightweight Browsers 2026: 7 Tested for RAM & Speed
  • AI Browser List 2026: 10 Browsers Compared
  • Neobrowser: Norton Neo, Download & Alternatives
  • Edge vs Chrome 2026: Speed, RAM & Battery Tested
  • Best Internet Browser for Android 2026
  • Best AI Browser 2026: Top 9 Tested & Ranked

活动

  • 别装了,你在《牛来》里早有原型
  • Tabbit 妙招大赛
  • KPOP SBTI 饭圈人格测试
  • Tabbit 校园共创者计划
  • fifi 的论文文献妙招精选
  • 用户问卷

关于

  • Tabbit 博客
  • 媒体报道
简体中文
简体中文English
测评
媒体GPT-6.2 Astra

SimpleBench:GPT-6.2 Astra 日常推理选择题成绩

原始来源

SimpleBench

作者SimpleBench Team(榜单未列个人作者)

原文日期2024-10-31

Tabbit 整理2024-10-31

查看原文

一句话结论

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。

适用场景

  • 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。

测评方法

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。

关键结果

榜单条目排名AVG@5与 GPT-6.2 Astra 的差值
GPT-6.2 Astra Pro1479.2%+1.9 个百分点
GPT-6.2 Astra1577.3%—
GPT-6 Astra Pro686.5%同为 Pro 标签,前代条目 +9.2 个百分点
GPT-6 Astra783.6%前代非 Pro 条目 +6.3 个百分点
GPT-6.1 Sol882.9%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。

原始数据

  • 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。

结论与边界

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。

复现说明

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。

Tabbit 小编提醒

本文是第三方资料导航。测试环境、模型版本和主观体验可能不同,请以原文为准。

GPT-6.2 Astra

在 Tabbit 中使用并对比模型

GPT-6.2 Astra

相关测评

官方OpenAI

OpenAI 发布的 GPT-6.2 Astra 基准与成本对照

官方Reddit,r/OpenAI2026-11-19

Reddit 作者的 GPT-6.2 Astra 与 Blender MCP 六项建模体验

媒体Artificial Analysis

Artificial Analysis:GPT-6.2 Astra 综合指数与任务成本

媒体AI IQ2026-11-17

GPT-6.2 Astra:AI IQ 综合评分与基准覆盖

GPT-6.2 Astra

相关提示词与案例

官方OpenAI Developers

GPT-6.2 Astra API 模型配置与计价

官方OpenAI Developers

GPT-6.2 Astra 提示方法与 API 迁移

官方GitHub Changelog2026-11-17

GitHub Copilot 中选择与管理 GPT-6.2 Astra

官方OpenRouter2026-11-17

在 OpenRouter 调用 GPT-6.2 Astra:端点与提供商路由