呢句由公司口講出嚟嘅「AGI」，本身仲係一個假設階段嘅概念，而 OpenAI 以呢個里程碑宣佈為由頭，將 Astra 推介為旗艦。
按 OpenAI 公佈嘅測試結果，Astra 喺軟件開發、數學到科學研究等領域皆達「最高水準」，並聲稱喺專業測試入面，較舊模型「GPT-5.6 Sol」及競爭對手嘅頂尖模型高出 10% 至 20%。呢個係廠商自報嘅數據，冇獨立第三方重現。
真正吸引眼珠嘅係 ARC-AGI-3，一個專為測試 AI 喺陌生抽象環境中吸收新技能效率而設嘅基準測試。Astra 喺此測試取得 99.9%。但數字背後有條件：按 ARC Prize 財団嘅獨立驗證，Astra 只喺測試 96% 嘅層級（stage）超越人類嘅效率基準，而每層平均用嘅步數較人類少 51.7%。
財団嘅 Greg Kamradt 主席講：「呢不啱係我哋試過嘅最勁模型，仲反映咗最先端模型性能有真正意義上嘅進步。」
呢個評語有兩個細節值得留意：一，佢唔直接講「超越人類」；二，佢將進步界定為「最先端模型」之間嘅提升，並非將單一模型對人類整體能力做比較。
同「99.9%」呢個headline數字相比，96% 呢個獨立驗證數字講嘅係：Astra 喺 ARC-AGI-3 嘅絕大多數場景下確實強於人類基準，但仲有 4% 嘅層級未達。呢個差距，就係「AGI 時代」呢個論斷與實際數據之間嘅距離。
模姐驗嚇貨
「99.9%」同「AGI 時代」兩個數字加埋，唔代表同一件事。99.9% 係廠商喺單一測試上嘅跑分；「AGI」係理論概念。兩者之間嘅「跨越」，由 OpenAI 自己完成，冇第三方為 AGI 嘅到來背書。ARC Prize 財団嘅數據，至少可以講：有進步，但唔等於「人類的替代」。
