OpenDS-World 基准：GPT-6 Astra 实时网页深度搜索 39%，人类均值 21.1%

arXiv 论文提出 OpenDS-World 基准，用 200 个高难度真实网页任务考察智能体自主多步深度搜索与多信源证据整合能力。12 个前沿模型在统一工具环境与执行协议下评测，最佳模型 GPT-6 Astra 达 39%，显著高于人类平均的 21.1%。该基准覆盖多种信息模态、异构文件格式与交互式访问场景，弥补静态检索评测的不足。