OpenAI新模型GPT-6.2 Astra在AA-3D评测中登顶,刷新3D场景生成能力标杆
OpenAI最新发布的GPT-6.2 Astra模型在专注于3D场景制作能力的AA-3D评测中,以1318分的Elo评分荣登榜首。它以47分的优势领先于排名第二的Claude Fable 5.2。
该排名数据源自独立评估机构Artificial Analysis运营的AA-3D排行榜。OpenAI于当地时间17日同时发布了姐妹模型GPT-6.2 Sol,随后排名随即发生了变动。在此次同步评测中,Sol获得了1259分的Elo评分。
评测机制与高分原因
AA-3D是一项旨在测试AI模型将文字需求转化为可交互3D网页应用程序能力的评估体系,共包含涵盖多个领域的55项任务。该评测采用人工盲评方式,由评估者在不知晓结果来源的情况下,对各个模型生成的场景进行对比并选出更优者。
数据显示,Astra的结果在152次直接对决中赢得了139次,胜率达到约91%。Elo是一种基于相对表现的评分系统,分数高低取决于与其他模型的对抗胜负,因此模型间的分差比绝对数值更具参考意义。目前,Astra与Fable 5.2的分差为47分,而Fable 5.2与Sol的分差为12分。
历史排名回顾与现状
AA-3D于10月12日首次发布。在初期评估中,Anthropic和OpenAI的顶级模型得分相近;而在11月的更新版本中,Claude Fable 5.2曾一度领先。此前,Fable 5.2曾以1271分的成绩位居AA-3D第一,领先第二名Claude Sonnet 5.5达67分,而OpenAI的前代模型GPT-6 Astra当时仅得1168分。随着两款新模型的加入,尽管Fable 5.2分数未变,但榜首位置已被取代。
值得注意的是,在OpenAI的代码工具Codex的使用界面中,“gpt-6.2-astra”的标识率先出现,而当时公开的API模型列表中尚未包含该名称。
多领域性能表现
除了3D场景生成,Astra在Artificial Analysis的另一项评估AA-Robotics v0.1中也取得了最高分79分,同样领先于Sol(78分)和Fable 5.2(75分)。此外,据传Sol的单次任务成本约为GPT-6 Astra的15%,并在Artificial Analysis智能指数中获得57分。这表明OpenAI目前的模型战略已明确分为主打高性能的Astra和主打低成本高效能的Sol两条路线。
市场解读与核心要点
市场观察:
OpenAI的GPT-6.2 Astra以1318 Elo分在AA-3D中夺冠,超越了本月早些时候排名第一的Anthropic Claude Fable 5.2(1271分),领先优势为47分。在针对人类评估者的152次盲测对比中,Astra的表现被选中了139次。同日发布的GPT-6.2 Sol也获得了1259分的高分。
战略启示:
Elo作为相对评分体系,意味着新模型的加入可能会改变现有排名格局。AA-3D主要衡量3D Web应用制作能力,并不能完全代表模型在其他领域的全能表现。Astra不仅在3D领域领先,在AA-Robotics v0.1中以79分的成绩也超过了Sol和Fable 5.2,展现了其综合竞争力。
术语解析
- AA-3D:由Artificial Analysis于10月12日推出的交互式3D场景制作评估,包含55项任务。
- Elo:一种源自国际象棋等级分计算的相对评分方法,通过对抗胜负来评定分数。
- Blind Comparison(盲测对比):评估者在不知道结果具体出自哪个模型的情况下,判断优劣的测试方式。