GPT-6 Astra 登顶 Perplexity 研究 Agent 基准榜

Perplexity 使用自家 Agent 基准 WANDR 测试 GPT-6 Astra。结果显示，GPT-6 Astra 得分 0.682，是目前已测试模型中的最高分，平均每个任务成本为 11.98 美元。

相比 Claude Fable 5.1，GPT-6 Astra 分数高 13.5%，成本低 6.1%；相比 Opus 5，分数高 27%，成本仅高 3.3%。

WANDR 主要评估“又广又深”的研究任务能力。该基准包含 500 个真实研究任务，要求 Agent 不只是找到若干答案，而是尽可能完整地找出符合条件的对象，再逐一查证资料、核实身份，并为每条结果提供可验证来源。典型任务包括竞品研究、尽调、文献检索、市场分析和人才搜寻。

此前，Claude Fable 5.1 以 0.601 分、每任务 12.76 美元排名第一；Opus 5 得分 0.537，每任务成本 11.60 美元。GPT-6 Astra 此次显著提高了得分，同时并非依靠更高成本堆叠实现。