GPT-6看照片找出傢俱裝錯處
Ad Skip to content OpenAI's GPT-6 Astra can now tell you exactly where you screwed up your IKEA shelf Manuel Uth Sep 26, 2026 AI can now spot when you've built your IKEA furniture wrong.
Epoch AI's Furniture Assembly Benchmark (FAB) photographs three IKEA pieces during assembly with deliberate errors.Models compare photos against instructions, identify mistakes, and describe what went wrong.In November 2025, the best model (Claude Opus 4.5) scored 28%.
Ten months later, OpenAI's GPT-6 Astra hits 80% at three minutes per photo.Claude Fable 5.1 follows at 70%, Claude Opus 5 at 61%.Chinese open-weight models like Kimi K3 trail leaders by at least seven months.
OpenAI's GPT-6 Astra spots assembly errors in IKEA furniture photos with 80 percent accuracy, up from 28 percent just months ago.| Image: OpenAI It's still too slow for real-time assembly help, but the tech could eventually assist with car repairs or appliance fixes, the researchers say.
The overall progress, and especially Astra's, is notable given that models were failing far simpler visual tasks not long ago.Astra also excels at visual robotic tasks.
AdAd AI News Without the Hype – Curated by Humans Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section.
Subscribe now Source: Epoch AI / Furniture Assembly Benchmark BETA-TEST × wpDiscuzInsert BETA-TEST × wpDiscuzInsert
Related
相關文章
Claude API 加了個"擋位"：聊著聊著，能給 AI 臨時加力
11 月 12 日，這家 Claude 開發商給 API 加了一項 Beta 能力：開發者可在消息流裡隨時調節 effort，也就是模型回答問題願"費多大勁"的檔位，幫人在回答充分度、響應速度與使用成本之間隨手撥秤。換擋不重開，緩存不掉線過去一段會話只能套一套固定參數，如今不必了。
百度推出大模型Token交易平臺“詞元所”，日均調用Token超7000億
據介紹，詞元所主打“驗真”與“徵信”兩大能力，通過模型指紋比對、能力測試、性能及可用性測試等方式核驗模型資源，並採用定期抽檢撥測、全鏈路實時監測調用等機制，為模型提供商建立信用評級，向客戶提供中立、透明的模型交易服務。百度創始人李彥宏表示，今年前9個月，幾乎每天都有不止一款新模型發佈，模型調用需求也隨之大幅增長。
AI作弊越來越難查，大學開始重新考慮如何給學生打分
報告認為，AI檢測工具準確性不足，容易出現誤報，隨著生成式AI模型能力持續提升，識別AI生成內容的難度也在增加。相比依賴檢測技術追蹤AI使用情況，高校可能需要調整評估體系，減少無監督、無控制的考核形式。目前，越來越多大學開始採用線下筆試、口試以及過程性評估，通過在文獻綜述、研究過程等多個階段考察學生表現，而非僅依據最終論文評分。
低調追趕的文心，一口氣打出了快、省、開源三張牌
文心這輪追趕夠不夠硬？ 作者丨周蕾 林傑鑫 編輯丨岑峰 今天，百度文心 5.5 Flash Preview 正式發佈，這已是文心在一週之內的第三次出牌。11月5日，基座模型文心 5.5 Flash Base開源；11月9日，首次披露 RSI 進展，發佈 ERNIE Evolve；11月11日，文心 5.5 Flash Preview 發佈。一週內連續三次出牌，這在文心歷史上並不多見。三次動作環環相扣，從基座模型、RSI 探索到 Preview 模型，逐步展現出百度基礎模型業務的新方向。
谷歌甩出決策 API：一張圖一次掃千題，150 毫秒出判斷
谷歌 11 月 11 日宣佈推出 Gemini Decisions API，背後是全新的 Gemini Decision 1 模型，專門對付需要反覆做是非題、選型題和打分的場景。一次喂千題，前向計算直接給分開發者上傳一份文本、圖像、音頻、視頻或 PDF 組成的多模態材料（最高 256K Tokens），最多能拋 1000 個互不相干的問題。
AI初創公司Helix獲620萬美元融資，推出本地語音真人驗證技術
公司計劃利用可在用戶設備本地運行的語音識別技術，替代或補充傳統 CAPTCHA 驗證碼，在不收集敏感個人信息的情況下判斷用戶是否為真人，並估算其年齡。Siri 聯合創始人 Dag Kittlaus 已支持該項目，並將擔任公司顧問。Helix 於2025年由 Alex Oberg、Anna Dorofiyenko 和 Mike Hall 創立。