GPT-6 Astra от OpenAI теперь точно укажет, где вы ошиблись при сборке мебели IKEA

Как устроен тест

Бенчмарк Epoch AI называется Furniture Assembly бенчмарк (FAB). Во время сборки трёх предметов IKEA исследователи специально допускают ошибки, а затем фотографируют результат. Модели сопоставляют снимки с инструкциями, определяют, что собрано неправильно, и описывают ошибку.

В ноябре 2025 года лучший результат, 28%, принадлежал Claude Opus 4.5. Спустя десять месяцев GPT-6 Astra набрала 80%, анализируя каждую фотографию за три минуты. Claude Fable 5.1 показала 70%, а Claude Opus 5 — 61%. Китайские открытые модели, такие как Kimi K3, отстают от лидеров как минимум на семь месяцев.

| Модель | Результат |

|---|---:|

| GPT-6 Astra | 80% |

| Claude Fable 5.1 | 70% |

| Claude Opus 5 | 61% |

| Claude Opus 4.5, ноябрь 2025 года | 28% |

Где это может пригодиться

Для помощи при сборке мебели в реальном времени система пока слишком медленная: на одну фотографию у неё уходит три минуты. Исследователи считают, что со временем технология может помочь с ремонтом автомобилей и бытовой техники.

Прогресс заметен на фоне того, что ещё недавно модели не справлялись с гораздо более простыми визуальными задачами. GPT-6 Astra также показывает хорошие результаты в визуальных задачах для роботов.