agentics

Epoch AI 发布了一项评测报告，用自身真实工作任务测试六个模型，发现 Fable 5.1 与 GPT-6 Astra 虽然领先，但在开放式任务、隐性标准遵循和研究判断力上仍无法实现工作自动化。

NavGPT-3 提出一个将大型语言模型推理与动作策略连接的层级式导航运行时，其 NavGPT-VLA 动作策略在 R2R-CE 和 RxR-CE 上达到 SOTA，并首次使自主智能体在导航成功度和路径保真度上匹配人类水平。

OpenAI 宣布推出限量预览版 Decisions API，由 GPT-6 Luna 驱动，使应用能够定义问题和可选答案，从而实现实时内容分类、请求路由以及智能体行动选择。

GPT-6 Astra在ARC-AGI-3基准测试中取得了最先进的分数，使用Provider Adapter接口得到99.9%的分数，并展示了比人类测试员更少的动作。该模型展示了将不熟悉的环境转换为紧凑符号世界模型以实现高效规划的能力。

该文章认为，将对话记录记忆下来并不能为AI代理在软件工程任务中带来性能提升，反而可能因浪费令牌而损害性能，因为重要信息已经存在于代码工件和文档中。