模型看图查家具装错十个月内从28%升至80%

Epoch AI的家具装配基准显示，模型识别宜家家具装错步骤的准确率十个月内从28%升到80%。

该基准让模型对照说明书检查三件家具的装配照片并指出错误。2025年11月最好的模型Claude Opus 4.5只得28%，如今OpenAI的GPT-6 Astra达到80%，Anthropic的Claude Fable 5.1以70%居次。

限制同样明确：Astra每张照片约需三分钟，Epoch AI称这一速度尚不能支持实时装配指导。中国开源权重模型如Kimi K3落后领先者至少七个月。