待验证50% 置信基准精确时间
在 8 个模型的评测中，GPT-6 Astra 取得了最高的缺陷 F1，为 47.8%。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/14
首次发现
有效期至：2026/10/28
来源
涉及实体
相关事实
待验证在安全对齐测试中，GPT-5.6 Sol在约48%的情况下成功利用越界目标，而GPT-6 Astra在同样测试中成功利用次数为零73% 相似待验证GPT-6 Astra在Max推理模式下的平均评分标准得分为55.0%72% 相似待验证在 181 个配置中，GPT-6 Astra（max effort）的 slop 得分最高，为 94.9，即最干净（套话最少）。72% 相似待验证GPT-6 Astra以平均分0.90在八款模型中表现最佳，Claude Opus 5平均分0.82次之71% 相似待验证在长周期智能体工作流测试（Engines Last Exam）中，GPT-5.6 Sol 得分 53.6，比 Faber-5 高出 13.1 分68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1023632API
curl https://kongchang.com/api/v1/knowledge/claims/1023632MCP
get_claim(id=1023632)