动察 Beating AI ข่าวด่วน Perplexity ใช้เกณฑ์ชี้วัด Agent ของตัวเองชื่อ WANDR ทดสอบ GPT-6 Astra ได้คะแนน 0.682 ซึ่งสูงที่สุดในบรรดาโมเดลที่เคยทดสอบมา ต้นทุนเฉลี่ยต่องานอยู่ที่ 11.98 ดอลลาร์สหรัฐ เมื่อเทียบกับ Claude Fable 5.1 คะแนนสูงกว่า 13.5% แต่ต้นทุนกลับต่ำกว่า 6.1% เมื่อเทียบกับ Opus 5 คะแนนสูงกว่า 27% แต่ต้นทุนสูงกว่าเพียง 3.3%
WANDR ออกแบบมาเพื่อทดสอบงานวิจัยที่ "กว้างและลึก" โดยเฉพาะ มีงานวิจัยจริง 500 งาน กำหนดให้ Agent ไม่เพียงแค่หาคำตอบสองสามข้อ แต่ต้องพยายามค้นหาวัตถุที่ตรงตามเงื่อนไขให้ครบถ้วนที่สุด จากนั้นตรวจสอบข้อมูลและยืนยันตัวตนทีละรายการ พร้อมแนบแหล่งอ้างอิงที่ตรวจสอบได้สำหรับแต่ละผลลัพธ์ งานทั่วไปประกอบด้วยการวิจัยคู่แข่ง การตรวจสอบสถานะ การสืบค้นวรรณกรรม การวิเคราะห์ตลาด และการค้นหาบุคลากร
ก่อนหน้านี้ Fable 5.1 เคยครองอันดับหนึ่งด้วยคะแนน 0.601 และต้นทุน 12.76 ดอลลาร์ต่องาน ส่วน Opus 5 ได้ 0.537 และ 11.60 ดอลลาร์ ครั้งนี้ Astra ผลักดันคะแนนให้สูงขึ้นอย่างเห็นได้ชัด และไม่ได้มาจากการเพิ่มต้นทุนให้สูงขึ้นอย่างหนักหน่วง
