OpenDS-World 基准评测 GPT-6 Astra 实时网页深度搜索 39%

arXiv 论文《Deep Search in Real-World Web Environments》提出 OpenDS 任务与 OpenDS-World 基准，要求 AI 智能体在真实开放网页中自主完成多步搜索、交互和证据整合。12 个前沿模型在统一工具环境与执行协议下完成评测，最佳模型成绩为 39%，据称为 GPT-6 Astra，高于人类平均的 21.1%。