A LEGO-Bench teszten (208 kép, 104 helyszín, 443 objektum) a GPT-6 Astra legfeljebb 53 százalékos pontosságot ért el.
- Igen, ez már elég jó eredmény a kezdetekhez
- Nem, 53% messze nem elég a megbízhatósághoz
- Csak alacsony kockázatú feladatokra bíznám rá
- Nem értek hozzá eléggé, hogy megítéljem