GPT-6 Astra 数学基准击败 Fable 5.1 且成本仅三分之一

GPT-6 Astra 在 BrokenArXiv 与 ArXivMath 基准上以 88.6% 对 87.7% 击败 Fable 5.1，单题成本仅 $3.63，而后者为 $12.77，性能相近但成本不到三分之一。该基准聚焦近一个月 arXiv 上被推翻的猜想，模型在 harness 内执行而非直接调用 API。