Az OpenAI GPT-6 Astrája egyetlen fotó alapján 80 százalékos pontossággal ismeri fel, ha egy IKEA bútort hibásan szereltek össze - és meg is mondja, hol rontották el. Tíz hónappal ezelőtt a legjobb modell még 28 százalékos eredményt ért el ugyanezen a teszten.
Így működik a mérés
A tesztet az Epoch AI Furniture Assembly Benchmarkja (FAB) adja: három IKEA bútor összeszerelési folyamatát fotózzák le, az egyes állomásokon szándékosan elkövetett hibákkal. A modellek a képeket a használati utasítással vetik össze, megkeresik a hibákat, majd szavakkal is leírják, mi rontottak el.
2025 novemberében a csúcsot a Claude Opus 4.5 jelentette 28 százalékkal; a GPT-6 Astra most 80 százalékot ér el, képenként nagyjából három perces feldolgozási idővel. A mezőnyt a Claude Fable 5.1 (70 százalék) és a Claude Opus 5 (61 százalék) követi, a nyílt súlyozású kínai modellek (például a Kimi K3) pedig legalább hét hónapos hátrányban járnak az élenjáróktól.
Mire jó ez most?
Az Epoch AI szerint a tempó még kevés a valós idejű szerelési segítséghez, a rés azonban gyorsan zárul. A kutatók szerint a technológia később autójavításban vagy háztartási gépek javításában is hasznos lehet. Az ugrás azért is figyelemreméltó, mert nemrégiben a modellek még sokkal egyszerűbb vizuális feladatokon elbuktak; az Astra egyébként vizuális robotikai feladatokban is erős.
Forrás: The Decoder