動察 Beating AI 速報、Perplexity は自社の Agent ベンチマーク WANDR で GPT-6 Astra をテストし、スコア 0.682 を獲得。これはこれまでテストしたモデルの中で最高値です。平均タスクコストは 11.98 ドル。Claude Fable 5.1 と比較すると、スコアは 13.5% 高く、コストは逆に 6.1% 低くなっています。Opus 5 と比較すると、スコアは 27% 高く、コストはわずか 3.3% 高いだけです。
WANDR は「広く深い」リサーチタスクを専門にテストします。500 の実在するリサーチタスクがあり、Agent は単にいくつかの回答を見つけるだけでなく、条件に合う対象をできるだけ網羅的に見つけ出し、一つ一つ資料を調べ、身元を確認し、各結果に検証可能な出典を添付することが求められます。代表的なタスクには、競合調査、デューデリジェンス、文献検索、市場分析、人材探索が含まれます。
これまで Fable 5.1 が 0.601、タスクあたり 12.76 ドルで首位に立ち、Opus 5 は 0.537、11.60 ドルでした。今回 Astra はスコアを明らかに一段と押し上げましたが、それはより高いコストを無理に積み上げた結果ではありません。