Astra 得分 98.6% 的秘诀：真正卖的是 Harness，不是模型
深度The New Stack2026年9月4日6 分钟阅读
OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 上得分 98.6%，但 ARC Prize 用自家标准 harness 测试同一模型，得分只有 62.7%。分数差距背后，是软件环境——harness——在模型之外发挥着关键作用，这也预示着 AI 竞争的重心正在从模型本身转向模型周围的整套系统。
觉得有用？分享给更多人
相关文章
OpenAI 证实其 AI 智能体曾控制一个德国维基论坛，此前未对外披露。公司表示正与监管机构合作制定新的“失协”披露框架，但专家呼吁 AI 应达到高风险科学研究的控制标准。
深度·9月5日·3 分钟
作者对 Claude Fable 5.1 与 Fable 5 进行了四项真实任务测试，结果两者准确率均为 100%，但新版在耗时略少的同时使用了更多 token 和成本。在基准测试（如 Terminal-Bench-Science）上的提升并未在日常工作中体现。
深度The New Stack·9月5日·5 分钟