Every 测试 Astra 6.2:输出简洁,表现不一

原标题Every’s Astra 6.2 Test: Concise Output, Mixed Results

Every 的提前体验团队发现编辑反馈较弱、编程较谨慎,同时也看到一些有创意的 3D 设计。

频道
Every
发布
2026年11月17日
视频
11:23
阅读
3 分钟
幻灯片
2
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

Every 的提前体验团队发现,Astra 6.2 提供的编辑反馈不如前代实用:它常常直接给出替换文案,并把句子压缩得难以理解。在团队的高级工程师基准测试中,它与 Astra 6 得分相同,但测试者说端到端构建有时过早停止。设计默认风格精致却重复;不过,一个生成的小镇展示了把二维图像投射到 3D 场景上增加细节的意外做法。讲者将这些作为团队的实际测试结果,并明确表示对模型谨慎原因的解释是推测。

  1. 1简洁文字可能丢失含义讲者说,更新后的模型把一些段落压缩得过于简短,导致句子之间的联系难以理解。
  2. 2替换文案取代了要求提供的编辑意见对同一篇文章的反馈比较显示,Astra 6 先给评论,6.2 则先给替换文案。
  3. 3基准分数相同,编程体验却不完全相同团队报告其高级工程师测试得分约为 39,但发现一些端到端工作过早停止。
  4. 4设计默认风格不错,但结果重复在指引较少的设计任务中,讲者看到的变化少于一个竞争模型。
  5. 5模型小镇结合了 3D 几何与投射的二维细节讲者把可缩放小镇作为例子,展示额外提示后出现的一种意外做法。

要点建议

  1. 当模型直接给出替换文案而不是编辑分析时,可以明确要求它提供更深入的意见。
  2. Every 的高级工程师测试中,Astra 6.2 得分约为 39,与 Astra 6 相同;测试者仍发现一些完整构建过早停止。
  3. 团队看到视觉输出变化有限,但也发现模型在 3D 场景中有创造性地使用了二维图像投射。
全文

按章节阅读整理后的全文

只看原始文稿
01

团队提前体验的评价

Every 用真实工作测试了模型,报告结果有好有坏。

Every 团队用真实的编程、写作、设计和知识工作任务测试 Astra 6.2。讲者说,测试者总体上都没有偏爱它:写作有所退步,设计缺少变化,一些编程项目过早停止。

Every 从 OpenAI 和其他模型开发商获得提前体验和免费 token,用于这些测试。讲者说,团队的评价保持独立。

02

编辑反馈为何没有达到预期

一项比较展示了直接给出文案与提供深入评论之间的取舍。

讲者更喜欢 Gemini Argon 和 Hydrogen 的叙事及详细论证能力,通常则欣赏 OpenAI 模型清晰简洁的文字。在这次测试中,Astra 6.2 的简洁有时牺牲了含义和可读性。

在一项编辑测试中,团队要求模型审阅 Laura Entis 一篇关于 token 用量的文章标题和开头。旧版 Astra 先给出评论,6.2 则先给出替换文案,把意见放在次要位置。

编辑反馈比较
幻灯片 1 / 2编辑反馈比较屏幕展示了 Astra 6.2 在写作测试中为文章开头提出的文案。

提示词确实要求提供建议文案,但主要要求的是反馈。讲者理解优先给出可执行结果的做法,却更喜欢 Astra 6 提出的标题,并认为 6.2 的一个句子过于压缩,难以理解。

03

编程分数与未完成的构建

团队将基准测试结果与实际开发体验进行比较。

在 Every 的高级工程师基准测试中,Astra 6.2 得分约为 39,与 Astra 6 相同,略低于得分 40 至 41 的几个其他模型。这是该团队自己的测试结果。

在初级工程师任务中,它会检查待办事项是否已经完成,并做了充分研究。但团队认为 Fable 的代码更容易合并、也更可信,并说 Astra 6.2 在端到端构建中经常提前停止。

讲者猜测,模型更谨慎可能与 OpenAI 在安全和对齐方面的工作有关。这只是推测;讲者预计,原本喜欢用 Astra 编程的人仍可能喜欢这次更新。

04

设计变化和 3D 实验

模型的默认设计重复,但生成了有创意的投射图像场景。

设计师 Tyler Nishida 用较少设计指引测试模型,观察默认风格和输出差异。讲者说,Astra 6.2 的默认结果不错但外观相似,Fable 5.2 则更有变化。

在团队的千年隼 3D 测试中,6.2 是他们迄今测试过的 OpenAI 模型中最强的,但不是所有模型中最强的。团队说,它的结果包含了早期 OpenAI 模型经常遗漏的细节。

高级编辑 Jack Cheng 测试了一个可缩放的模型小镇。讲者说,模型把生成的二维图像投射到 3D 场景上以增加表观细节;改变视角后就能看出这种做法。

可缩放的模型小镇
幻灯片 2 / 2可缩放的模型小镇演示展示了使用二维图像投射来增加表观细节的场景。
05

过度追求简洁的局限

讲者认为实用性需要兼顾清晰度和创造力。

讲者总结说,如果过度优化简洁和实用,可能损害清晰度或创造力。他们认为模型仍有潜力,但需要更多提示才能发挥出来。

同频道的其他文章

31:06EN → 简体中文
Every· 2026年11月16日播客 · 3 人对谈推广 AI,要从专家难以说清的工作入手嘉宾 Hugh Wimberly, Jeremy Hadfield · 主持 Willie WilliamsHugh Wimberly 和 Jeremy Hadfield 谈如何观察真实工作流、衡量错误,以及让早期使用者展示 AI 的能力。AI Adoption企业 AIWorkflow automation+2
31:31EN → 简体中文
Every· 2026年11月13日播客 · 5 人对谈Nursa 向每位员工提供 AI 开发工具:首批原型变成了实际产品嘉宾 Lauren Rhode, Curtis Anderson · 主持 Brian Dell这家护理人员排班公司表示节省了成本并开发出新应用,同时管理者也在应对治理、质量和阻力。编程智能体Company BuildingLeadership+1
幻灯片26:47EN → 简体中文
Every· 2026年11月11日播客 · 2 人对谈Dan Shipper:AI 让生成想法变便宜,人仍要选择什么重要主持 Natalia QuinteroEvery 联合创始人通过一份客户调查,解释不同视角如何借助同一模型产生不同成果。Future of WorkHuman-AI CollaborationAI agents
3 张幻灯片16:57EN → 简体中文
Every· 2026年11月9日播客Fable 5.2 擅长大型创作,但 token 成本不容忽视Every 的提前测试显示,它在编码和创作任务上表现突出;一次纪录片制作消耗了 14 亿个 token。Foundation Models编程智能体Developer productivity+2
46:14EN → 简体中文
Every· 2026年11月4日播客 · 2 人对谈Kevin Roose:记录 AI 历史,以及决定把什么交给 AI嘉宾 Kevin Roose · 主持 Natalia Quintero这位记者谈论《The AGI Chronicles》、采访高度保密的行业、AI 辅助研究,以及“举重与叉车”的区分。AI SafetyAI researchAI Strategy
50:51EN → 简体中文
Every· 2026年10月29日播客 · 3 人对谈Fred Graver:把 AI 当作编剧室,而不是代笔人嘉宾 Fred Graver · 主持 Dan Shipper, Natalia Quintero编剧兼制片人介绍如何发展想法并利用 AI 反馈。CreativityHuman-AI CollaborationStorytelling