GPT-6 Astra 认家具装错达 80%,仍不够快

Epoch AI 的家具组装基准 FAB 上，OpenAI GPT-6 Astra 以 80% 准确率居首，Claude Fable 5.1 与 Opus 5 为 70% 和 61%;2025 年 11 月领先的 Opus 4.5 仅 28%。

测试用 60 张故意装错的三款宜家家具照片，模型需对照官方 PDF 指出错误步骤；最快的 Astra 单张中位约 3 分钟，不足以实时引导。

表现最好的中国开源权重模型 Kimi K3 落后前沿约 7 个月，大于其综合能力上约 4.4 个月的差距。

💡 为什么值得看前沿模型十个月从 28% 涨到 80%，但仍撑不起实时指导。