据报道，Epoch AI的家具组装基准使用60张照片评估模型对照说明书定位装配错误，GPT-6 Astra得分80%，Claude Fable 5.1为70%，Claude Opus 4.5在2025年11月为28%。
让 AI 学会“挑刺”：根据说明书 + 照片指出家具是否装错，OpenAI GPT-6 Astra 准确率已达 80%
测试仅覆盖三款故意错误组装的宜家家具和有限照片；所述准确率与耗时不能直接外推到维修现场、其他物品或实时应用。
中文摘编
依据来源材料整理，保留事实、观点与适用范围的区别。
完整上下文请阅读原始来源。
完整上下文请阅读原始来源。