GPT-6 Astra 在具挑戰性的 ZeroBench 視覺基準測試中達到了人類水準的表現，並在所有三項指標上超越了人類基線。這一里程碑突顯了該模型在先前被認為對當代模型而言「不可能」的環境中，具備先進的視覺推理能力。

該基準測試採用「pass@5」指標，只要五次嘗試中至少有一次正確即計算分數，並包含要求所有嘗試都正確的可靠性指標「pass^5」。ZeroBench 最初設計為對前沿模型而言「不可能」完成，當時的領先分數為 0%。

事件背景

ZeroBench 是一個視覺推理基準測試，使用對抗性篩選技術來測試大型多模態模型的極限。循環變壓器是一種架構變體，其中間表示會多次通過相同的層，使模型能夠進行迭代式「思考」。世界建模是指 AI 系統建立環境動態（如物理和空間屬性）的內部表示。

社群觀察

社群成員對問題的難度表示驚嘆，有人指出他們自己也無法回答。大家對循環變壓器能解鎖內部世界建模和迭代物理模擬感到興奮，這被視為機器人領域的遊戲規則改變者。