GTP-6 Astra基准测试有多恐怖？ FrontierMath Tier 4：约 98%（接近饱和），已帮助解决长期未解的数学问题（例如改进素数间隙相关界限）。 ARC-AGI-3：99.9%。 ExploitBench：100%。 计算机使用相关：OSWorld 2.0 达到 72.6%（比 GPT-5.6 Sol 更高分，且单任务耗时减少约 47%）。 #AGI时代真的来了吗# ​