OpenAI stellt einen Alltagsaufgaben-Benchmark vor: GPT-6 Astra erreicht 80 %, GPT-5.2 kam auf 49,3 %
Laut CNN beruht die interne Bewertung auf einer Umfrage unter rund 4.000 ChatGPT-Nutzern; OpenAI hat den Testsatz noch nicht veröffentlicht.
Warum es wichtig ist
OpenAI weitet seine Bewertungen von bezahlter Arbeit, die es letztes Jahr mit GDPval maß, auf Alltagsbesorgungen wie Einkaufen, Wohnungssuche und Angehörigenpflege aus. Der Sprung von 49,3 % bei GPT-5.2 auf 80 % bei GPT-6 Astra ist OpenAIs eigene Messung, mit Bewertungsrastern von rund 100 Nutzern, die Fachwissen nachwiesen. Er kommt, während Metas Muse, OpenAIs Dots und Anthropics Claude Duet als persönliche Agenten konkurrieren. Abzuwarten sind ein öffentlicher Aufgabensatz und unabhängige Überprüfungen.
Die wichtigsten Fakten
- GPT-6 Astra: 80 % bei Alltagsaufgaben
- GPT-5.2: 49,3 %
- Rund 4.000 ChatGPT-Nutzer befragt
- Rund 100 Nutzer schrieben Aufgaben und Raster
- Kindergartensuche: 93,1 %
- Diabetes-Speiseplan: 90,4 %