让 AI 学会“挑刺”:根据说明书 + 照片指出家具是否装错,OpenAI GPT-6 Astra 准确率已达 80%
泡沫信号: -1 · 降温证据相关度 33大模型动态全球
来源: IT之家 · 发布 2026-09-26
新闻摘要
Epoch AI 于 9 月 23 日发布家具组装基准测试(FAB),用 60 张宜家家具组装照片评估多模态 AI 的视觉与空间推理能力。OpenAI 最新的 GPT-6 Astra 以 80% 准确率居首,Anthropic Claude Fable 5.1 和 Claude Opus 5 分别为 70% 和 61%,而 2025 年 11 月的领先模型 Claude Opus 4.5 仅 28%。中国开源权重模型 Kimi K3 相比国际前沿约落后 7 个月,DeepSeek V4 Pro、GLM 5.3 等尚未提供图像支持。
泡沫解读
这是一条模型能力评测新闻,与 AI 投资是否过热没有直接关系:它既没有披露资本开支、融资额或估值,也不涉及 AI 收入与投入的对比。它最多间接说明前沿模型的迭代速度仍然很快,从而为“AI 技术仍在真实进步、并非纯炒作”提供一点弱证据,但不足以支撑或反驳泡沫判断。
#kimi#benchmark#openai#multimodal
阅读原文 ↗相关信号
通过共享标签关联
- OpenAI 称其遭遇有组织蒸馏,将矛头指向月之暗面#kimi#openai
- 接入 OpenAI 企业付费体系,Kimi K3 拉动 GPU 算力采购需求释放#kimi#openai
- OpenAI 新文章把超级智能拉回执行层,十亿个爱因斯坦也要有人去采矿#openai
- 冲刺感恩节前挂牌,消息称 Anthropic 寻求最早 11 月中旬上市#openai
- OpenAI 新智能体剑指 Meta——但它能打得过免费产品吗?#openai