CritPt v2 涨分主要源于改题，v1 的 32% 与 v2 的 83% 不可直接比较

Artificial Analysis 指出，CritPt v2 分数普遍高于 v1，但两版不可直接比较，GPT-6 Astra（max）的成绩从 v1 的 32% 升至 v2 的 83%。测试显示，大部分涨幅来自题目修订，加入代码执行工具仅带来较小的额外提升；当前领先模型已超过 80%，v2 所剩头部空间明显小于 v1。