OpenAI 推出日常任务基准，称 GPT-6 Astra 得分 80%，GPT-5.2 为 49.3%
据 CNN 报道，该内部评测基于约 4000 名受访 ChatGPT 用户构建；OpenAI 尚未公开测试集。
为何重要
OpenAI 将评测从有偿工作（去年用 GDPval 衡量）扩展到购物、找房、照顾家人等日常事务。GPT-5.2 的 49.3% 到 GPT-6 Astra 的 80% 这一跃升是 OpenAI 自己的测量，评分标准由约 100 名证明具备相关经验的用户撰写。此时 Meta 的 Muse、OpenAI 的 Dots 和 Anthropic 的 Claude Duet 正在争夺个人智能体市场。接下来要看任务集是否公开，以及能否被独立复现。
要点
- GPT-6 Astra：日常任务总体 80%
- GPT-5.2：49.3%
- 调查约 4000 名 ChatGPT 用户
- 约 100 名用户撰写任务与评分标准
- 寻找幼儿园任务：93.1%
- 糖尿病饮食计划任务：90.4%