GPT-6 Astra IKEA-ს ავეჯის აწყობის შეცდომებს 80% სიზუსტით ამოიცნობს

OpenAI-ს მოდელი GPT-6 Astra ახლა IKEA-ს ავეჯის აწყობისას დაშვებულ შეცდომებს 80% სიზუსტით პოულობს. ასეთია შედეგი Epoch AI-ის Furniture Assembly Benchmark-ზე (FAB), რომელიც კვლევითმა ჯგუფმა 23 სექტემბერს გამოაქვეყნა. 2025 წლის ნოემბერში საუკეთესო მაჩვენებელი 28% იყო და Anthropic-ის Claude Opus 4.5-ს ეკუთვნოდა.

ტესტი ვიწრო, მაგრამ პრაქტიკულ კითხვას სვამს: შეუძლია თუ არა მოდელს ქაღალდის ინსტრუქციის რეალურ საგანთან დაკავშირება და იმის ახსნა, რა გაკეთდა არასწორად? Epoch AI-ისთვის ეს ვიზუალური და სივრცული აზროვნების მაჩვენებელია.

რას ამოწმებს FAB

Epoch AI-მ IKEA-ში სამი ავეჯი იყიდა, შერჩეული IKEA Complexity Index-ის მიხედვით: ფეხსაცმლის თარო STÄLL, საწოლის ჩარჩო TONSTAD და კომოდი GULLABERG. მკვლევრები აწყობისას ფოტოებს იღებდნენ და განზრახ, რეალისტურ შეცდომებს უშვებდნენ. ხშირად აწყობას შეცდომის შემდეგაც აგრძელებდნენ, რომ მისი შემჩნევა გაერთულებინათ.

მოდელი იღებს 60 ფოტოს, ნაწილს სწორად, ნაწილს კი შეცდომით აწყობილი ავეჯისას, ინსტრუქციას, გადიდების ხელსაწყოს და Python-ის ინტერპრეტატორს 80-ნაბიჯიან აგენტურ ბიუჯეტში. ქულისთვის მოდელმა ყველა ის საფეხური უნდა დაასახელოს, სადაც შეცდომაა, და აღწეროს ის; აღწერას შემდეგ GPT-5.6 Sol ამოწმებს.

კონკურენტები და ჩამორჩენა

Claude Fable 5.1 70%-ს აღწევს, Claude Opus 5 კი 61%-ს. ჩინური ღია მოდელები ფრონტს ჩამორჩებიან: Kimi K3 FAB-ზე შვიდი თვით ჩამორჩება ლიდერებს, Epoch-ის ზოგად Capabilities Index-ზე კი სხვაობა 4,4 თვეა. Epoch AI-ის თქმით, სურათებთან მუშაობა ჩინურ მოდელებში იშვიათია: DeepSeek V4 Pro-ს, DeepSeek Flash-სა და Z.ai-ის GLM 5.3-ს სურათების მხარდაჭერა არ აქვთ.

რატომ მნიშვნელოვანია

ავეჯის აწყობა მკვლევრებისთვის იმ სამუშაოს მაჩვენებელია, რომელიც მსგავს უნარებს მოითხოვს, მაგალითად მანქანის ან საყოფაცხოვრებო ტექნიკის შეკეთება. Astra ყველაზე სწრაფი მოდელიცაა: ერთ ფოტოზე საშუალოდ სამი წუთი, ორჯერ-ათჯერ უფრო სწრაფად, ვიდრე წინა ლიდერები, თუმცა რეალურ დროში დახმარებისთვის ჯერ კიდევ ნელია. ტესტი მხოლოდ 60 ფოტოსა და სამ ავეჯს მოიცავს, ამიტომ უცნობია, რამდენად გავრცელდება შედეგები სხვა ფიზიკურ ამოცანებზე.