جهش در استدلال، مهندسی و نرمافزار
طبق نتایج منتشرشده از سوی OpenAI، Astra در ARC‑AGI‑3 امتیاز ۹۸.۶٪، در FrontierMath Tier 4 امتیاز ۹۷.۶٪، در BenchCAD امتیاز ۹۵.۹٪ و در DeepSWE v1.1 امتیاز ۷۴.۱٪ گرفته است.
بااینحال، نتیجه ARC‑AGI‑3 با زیرساخت ارزیابی اختصاصی OpenAI به دست آمده و مقایسه مستقیم آن با اجرای مدلهای دیگر کاملاً همشرایط نیست.
September 3, 2026 66 2
