OpenAI تكشف معيارًا لمهام الحياة اليومية وتقول إن GPT-6 Astra حقق 80% مقابل 49.3% لـ GPT-5.2
تقول CNN إن التقييم الداخلي بُني من استطلاع نحو 4000 مستخدم لـ ChatGPT، ولم تنشر OpenAI مجموعة الاختبارات بعد.
لماذا يهم
توسّع OpenAI تقييماتها من العمل المأجور، الذي قاسته العام الماضي بمعيار GDPval، إلى مهام المنزل مثل التسوق والبحث عن شقة ورعاية الأقارب. والقفزة من 49.3% لـ GPT-5.2 إلى 80% لـ GPT-6 Astra قياس أجرته OpenAI نفسها، بمعايير كتبها نحو 100 مستخدم أثبتوا خبرتهم في كل مهمة. ويأتي ذلك بينما يتنافس Muse من Meta وDots من OpenAI وClaude Duet من Anthropic كوكلاء شخصيين. والمنتظر نشر مجموعة المهام وتكرار النتائج بشكل مستقل.
حقائق رئيسية
- GPT-6 Astra: 80% في المهام اليومية
- GPT-5.2: 49.3%
- استطلاع نحو 4000 مستخدم لـ ChatGPT
- نحو 100 مستخدم كتبوا المهام والمعايير
- مهمة البحث عن روضة: 93.1%
- مهمة خطة غذائية لمريض سكري: 90.4%