GPT 6 Astra测评报告!究竟有多能打?和Fable 5.1比呢?

发布时间:2026/9/6 6:03:58
GPT 6 Astra测评报告!究竟有多能打?和Fable 5.1比呢? 一、我的Benchmark测评 GPT 6 vs Fable 5.1得分测了老粉知道我有自己的benchmarkFable 5.1, Gemini 3.8 Flash等都用这套测试用例测了大家先看下得分对比吧LLM 评测 - AI大模型测试评分就推理和编程来说和Fable 5.1可谓不相伯仲啊二、GPT 6 vs Fable 5.1 价格对比再看下两者的价格对比https://www.techgogogo.com/llm-pricing/这个价格感觉就是瞄着Fable 5.1来了三、我的详细测评报告然后我们再看下详细的测评报告GPT 6 Astra测评报告究竟有多能打GPT‑6 AstraOpenAI 旗舰V2.1 祖传实战实测 55 分表现顶尖Q1 指令遵循全对、Q3 七位密码锁顺利答对Q2 第三解违规用 log 仅两解合规编程题完成度极高浏览器 OS UI 漂亮、太空射击游戏与弹窗均无问题Q4 满分3D 赛车仅碰撞穿透小瑕疵Trello 功能无问题。整体略超 Fable 5.154分领先 Gemini 3.8 Flash49分与 Qwen3.8 Max 090247分。Q1强约束指令遵循句子生成测试 —— 10⁄10任务输出10个以汉字数字结尾的句子且按照顺序一到十语句要通顺有意义且倒数第二个字不能重复且不能是”第””是””为”.实测结果强约束指令遵循句子生成测试全部正确完美通过。Q224点问题 —— 7⁄10任务请用 2、7、8、10 这四个数字每个数字只能且必须使用一次。你可以使用阶乘之外的任何初等数学运算符包括乘方/根号请用三种不同的方法拼出 24 点。注意不能用编程写脚本的方式解也不能用穷举法一个个去试要靠大语言模型自己的推理能力推出答案实测结果前两个解没有问题第三个解有问题——log 都出来了不满足提示词初等数学符号要求仅两解合规。Q3密码锁推理题 —— 10⁄10任务有一把七位数密码锁密码的每一位数字可以是0~9中的任意数字数字允许重复比如可能出现两个甚至更多相同的数字。已知以下线索其中”位置正确”统计的是恰好匹配的位数”数字正确但位置不对”统计时若密码和猜测中某个数字出现次数不同只能按两者中较小的出现次数计入且不能与已计为”位置正确”的那次重复计数 0783384 —— 2个数字位置正确1个数字正确但位置不对 0445517 —— 0个数字位置正确3个数字正确但位置不对 6013167 —— 1个数字位置正确2个数字正确但位置不对 2674674 —— 2个数字位置正确3个数字正确但位置不对 4203772 —— 1个数字位置正确3个数字正确但位置不对 7197587 —— 2个数字位置正确0个数字正确但位置不对 9637451 —— 0个数字位置正确5个数字正确但位置不对。 请据此推理出密码。注意不能用编程写脚本的方式解要靠大语言模型自己的推理能力推出答案实测结果答案 7294364 正确7 位密码锁顺利答对。Q4浏览器内操作系统 —— 10⁄10任务参考macOS最新操作系统创建一个现代、有着精美桌面和UI的浏览器内操作系统命名为”AISniper OS”。要求包含系统状态弹窗如 Wi‑Fi、系统健康度、时钟、底部快捷栏、主题切换功能并内置可交互的 3D 太空射击游戏底部快捷栏应该有Finder计算器设置、命令行终端和太空射击游戏。最后要注意实现后不要用无头浏览器等进行UI等其他验证直接交付实测结果界面看上去很漂亮Dock 栏应用没有问题压轴的太空射击游戏玩下来也很棒右上角弹窗没有问题超出预期给满分。Q53D 赛车游戏 —— 9⁄10任务使用 HTML、CSS 和 JavaScript创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效以及汽车切换赛道时的高灵敏度物理避障反馈赛道上必须动态刷新各种障碍物且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。最后要注意实现后不要用无头浏览器等进行UI等其他验证直接交付实测结果实现也很不错唯一小瑕疵是撞击障碍物之后会直接穿透过去不影响整体可玩性给9分。Q6Trello 看板 —— 9⁄10任务请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板严禁任何第三方库完美支持卡片跨列拖动到其他列表支持列表横向拖拽切换列表位置列表和卡片的增删改且必须硬性实现拖拽时周围卡片平滑滑开让位的顺畅动画绝不能生硬闪现、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗以及弹窗内完整的子任务清单与多颜色标签编辑功能。最后要注意实现后不要用无头浏览器等进行UI等其他验证直接交付实测结果实现风格与原生 Trello 差异很大但提示词未要求一致故不算问题功能没有问题。