OpenAI 发布 ChatGPT Images 2.5：更快更精准，但不同用户拿到的并不一样
OpenAI 发布 ChatGPT Images 2.5，包含 GPT-Image-2.5 Flare 与 GPT-Image-2.5 Sunburst 两个模型，官方称更快版本将图像生成延迟最多降低 50%，并新增 xhigh 和 max 两档质量。
推荐理由：作者实测对比了 Images 2.5 在 Chat 与 Work 两种模式下的编辑一致性差异，可据此判断该模型的实际可用边界。
内容形态
评测基准 最新动态
模型到底谁强：Benchmark 成绩、评测方法论争议与排行榜变化的持续记录。
25 条精选近 30 天 19 条共收录 75 条
更新
精选归档 · 第 2 页
The Decoder精选AI 评分7676
The Decoder精选AI 评分7878 GPT-6 Astra 在 24 小时内无人工干预通关《Portal》
开发者 cozyblaze 在 X 上称，GPT-6 Astra 在设定初始目标后无人工干预通关《Portal》并看到片尾字幕，用时约 23 小时 43 分钟。
推荐理由：记录智能体在无人工干预下通关《Portal》的完整过程，可了解其通过 MCP 与暂停工具控制游戏的具体方式。
The Decoder精选AI 评分7878 Meta 发布实时音频模型 Muse Voice Transcribe，支持说话人分离与句子边界检测
Meta 的 Superintelligence Labs 发布首个实时音频感知模型 Muse Voice Transcribe，可实时转写语音、区分说话人并检测句子边界，模型将音频切成 80 毫秒片段，逐词动态调整等待时间以平衡准确率与延迟。
推荐理由：Meta 新实时语音模型以逐词自适应延迟换取速度与准确率，并给出与竞品的价格和错误率对比。
The Decoder精选AI 评分7878 基准评测对 GPT-6 Astra 看法不一，但 ARC-AGI-3 上超越人类的效率让 Chollet 提前了 AGI 预测
GPT-6 Astra 在 ARC-AGI-3 上取得 62.7% 的成绩，远高于前代 GPT-5.6 Sol 的 7.78% 和 Claude Opus 5 的 30.16%，测试成本约 2.6 万美元。
推荐理由：ARC-AGI-3 上 Astra 的得分与效率数据，以及 Chollet 对 AGI 时间表提前的表态，可供读者判断基准与厂商自测口径的差异。
The Decoder精选AI 评分8888 OpenAI 发布 GPT-6 Astra，首个被列为关键级网络安全风险的模型
OpenAI 发布 GPT-6 Astra，该模型在超过 10 万块 GPU 的 Stargate 设施上预训练，OpenAI 研究员 Aidan Clark 称这是公司史上最大规模训练。
推荐理由：OpenAI 发布 GPT-6 Astra，并首次将其列为 Preparedness Framework 下的关键级模型，读者可据此了解能力跃升与安全限制的边界。