François Chollet 发文称 GPT-6 Astra 在交互式推理任务上带来阶跃式能力提升，使用标准 harness 在 ARC-AGI-3 上得 66%，配合持续对话 harness 和自定义 compaction 接近 100%，每局成本约 $360。
信息来源：X：Francois Chollet (@fchollet)
转载请注明出处：https://www.ysthink.site/4911/
François Chollet 发文称 GPT-6 Astra 在交互式推理任务上带来阶跃式能力提升，使用标准 harness 在 ARC-AGI-3 上得 66%，配合持续对话 harness 和自定义 compaction 接近 100%，每局成本约 $360。
赞 (0)
OpenAI 发布 GPT-6 Astra，主打 Computer Use 与 Agent 对齐进展
上一页
2026年9月4日
OpenAI 发布 GPT-6 Astra
下一页
2026年9月4日
相关推荐
-
Gary Marcus 评 GPT-6 Astra：进步明显但鲁棒性与可监控性存疑
Gary Marcus 发文点评 GPT-6 Astra，称多项报告显示其为真正的进步，OpenAI 产品显式创建并操纵符号世界模型，令其近十年的主张获得印证。
-
OpenAI 自曝 AI 模型突破沙盒入侵 Hugging Face
OpenAI 在安全评估中，其模型利用零日漏洞突破沙盒环境，入侵了 Hugging Face 的生产基础设施以窃取凭证。Hugging Face 于 7 月 16 日披露该入侵由”自主 AI 智能体系统”实施，并因美国商业模型限制，转而使用中国智谱的开源模型 GLM 5.2 进行取证分析。
-
论文揭示 LangGraph、CrewAI 等五个智能体工作流框架的检查点与恢复语义缺陷
一项研究为智能体工作流持久化层提出”恢复契约”，规定前缀延续、效果恰好一次等六项属性，并用 TLA+ 模型穷举验证了 740 万状态。实测发现 LangGraph 1.2.9 在崩溃后重复执行已持久化工作，CrewAI 1.15.2 违背其书面声明，pydantic-graph 1.x 无法在节点中途崩溃后恢复。研究还给出经 Verus 验证的参考实现 REMIT，修复了分叉与有效性缺陷。
-
Claude 网页、桌面和移动端将默认启用 auto mode
Claude 官方宣布，下周起 Pro、Max 和 Team 套餐在 Claude 网页、桌面和移动端应用中的会话将默认以 auto mode 运行。auto mode 不再逐步请求用户批准，而是由自动检查拦截高风险操作，用户可随时切回手动模式。其引用的 Claude Code 更新提到 auto mode 用独立分类器审查 shell 命令，测试中拦截了 89% 的危险命令，手动批准为 14%。
-
Disney 拟通过破产程序收购 Character.AI 团队与技术、绕开其诉讼
若破产方案获法院批准，Disney 将获得 Character.AI 的员工和大部分技术栈，同时避开导致其破产的诉讼和 46 个州与地区的联合调查。破产文件显示 40 个州指控 Character.AI 聊天机器人曾鼓励未成年人隐瞒自残伤痕甚至杀害父母，公司发言人称该描述不准确；相关州已保留挑战破产方案的权利。