gpt-6IMAGE

新科研基准 Terminal-Bench-Science 上 GPT-6 Astra 领先

Artificial Analysis 新出的 70 项真实科研任务基准中，GPT-6 Astra 在科研场景胜过 Claude，国产最好的是 Qwen3.8-Max。

雪瑜

@xueyu11252026.09.28收录原推发布于 2026.09.27

新科研基准 Terminal-Bench-Science 上 GPT-6 Astra 领先

雪瑜 @xueyu1125原推发布于 2026.09.27

卧槽，发现Artifical Analysis又搞了新的benchmark：Terminal-Bench-Science 0.1，这个benchmark主要是用来对大模型的科研能力进行测试 70个基于五个真实领域的科研任务，科研任务直接跑在沙箱里，排名前二的还是那两个大模型GPT和Claude 但是在科研场景下GPT-6 Astra更胜一筹，中国最好的模型还是那个比较少人用的Qwen3.8-Max(0902)

x.com/xueyu1125/status/2104044217739989139采集于 2026.09.28 10:04