待验证50% 置信基准精确时间
一项人类研究显示，人类与当前最强被测模型GPT-6 Astra之间存在21.6个百分点的差距。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/16
首次发现
此条事实已过期，仅作历史留存，不再代表当前状态
有效期至：2026/10/30(已过期)
来源
涉及实体
相关事实
待验证GPT-6 Astra在ARC-AGI类测试中达到接近满分的99.9%，而普通人类测试者平均得分仅为48%73% 相似待验证在专为模型设计的未知规则小游戏测试中，GPT-6拿到99分接近满分，人类最高分只有30多分，其他模型仅在40分左右71% 相似待验证GPT-4作为裁判时与人类评价的一致性可超过80%，但存在位置偏差、冗长偏差和自我偏好等系统性问题64% 相似已验证在MMLU、HumanEval、GSM8K等主流评测中，头部大模型的得分差距往往只有几个百分点64% 相似待验证在 SpaceCast-Bench 上评估的 21 个模型中，最强模型仅达到 58.0% 的准确率，而人类表现为 87.2%。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1042462API
curl https://kongchang.com/api/v1/knowledge/claims/1042462MCP
get_claim(id=1042462)