动察 Beating AI hızlı haberi: Perplexity, kendi Agent kıyaslama aracı WANDR ile GPT-6 Astra'yı test etti ve 0.682 puan aldı; bu, şu ana kadar test edilen modeller arasında en yüksek değer. Görev başına ortalama maliyet 11,98 dolar. Claude Fable 5.1 ile karşılaştırıldığında puan %13,5 daha yüksek, maliyet ise %6,1 daha düşük; Opus 5 ile karşılaştırıldığında puan %27 daha yüksek, maliyet yalnızca %3,3 daha fazla.
WANDR, "hem geniş hem derin" araştırma görevlerini ölçmek için özel olarak tasarlanmıştır. 500 gerçek araştırma görevi içerir ve Agent'ın yalnızca birkaç yanıt bulmasını değil, kriterlere uyan tüm nesneleri mümkün olduğunca eksiksiz bulmasını, ardından her birini tek tek inceleyip kimlik doğrulaması yapmasını ve her sonuca doğrulanabilir bir kaynak eklemesini gerektirir. Tipik görevler arasında rakip araştırması, durum tespiti, literatür taraması, pazar analizi ve yetenek avcılığı yer alır.
Daha önce Fable 5.1, 0,601 puan ve görev başına 12,76 dolar maliyetle birinci sıradaydı; Opus 5 ise 0,537 puan ve 11,60 dolar maliyete sahipti. Astra bu sefer puanı belirgin şekilde yukarı taşıdı ve bunu daha yüksek maliyetle zorlayarak yapmadı.
