GPT-6 Astra Đạt 80% Trong Phép Đo Lắp Ráp Đồ IKEA

Trong phép đo này, model phải so ảnh với hướng dẫn, tìm lỗi và mô tả điều gì đã sai. Tháng 11 năm 2025, model tốt nhất là Claude Opus 4.5, nhưng chỉ đạt 28%.

Mười tháng sau, GPT-6 Astra của OpenAI đạt 80% sau 3 phút mỗi ảnh. Claude Fable 5.1 theo sau với 70%, còn Claude Opus 5 đạt 61%.

Các model trọng số mở của Trung Quốc như Kimi K3 vẫn chậm hơn nhóm dẫn đầu ít nhất 7 tháng. Bài kiểm tra này vẫn quá chậm để hỗ trợ lắp ráp theo thời gian thực.

Nhóm nghiên cứu nói công nghệ này có thể về sau giúp sửa xe hoặc sửa đồ gia dụng. Họ cũng cho rằng mức tiến bộ chung, nhất là của Astra, là đáng chú ý vì không lâu trước đây các model còn thất bại ở những nhiệm vụ nhìn ảnh đơn giản hơn.

Astra cũng làm tốt các nhiệm vụ robot về hình ảnh.