统一 agent 基准实测 14 模型，GPT-6 Astra 居首

2026年10月2日，据 AGI Hunt 报道，smith2008 为「照片转 Blender 场景」这一 agent 任务搭建统一基准，让 14 个模型轮流充当 agent 的大脑。每个场景限时 20 分钟、预算 4 美元、最多 60 次请求，由 agent 外部的确定性代码评审，重渲染并评分；预算耗尽即终止，若没有保存就打 0 分。在上述硬性预算下，GPT-6 Astra 在三张照片的测试中全部排名第一。报道未提及早先的评测口径，也未给出其余 13 个模型的具体名次与分数。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。