Xplore 发布 RWE-bench：GPT-6 Astra 通过 37% 真实工程任务

Xplore 发布 RWE-bench，包含 20 个由在职工程师编写的机械、电气和航空航天任务，由程序逐项核对需求并运行物理求解器判分，没有模型参与评分。GPT-6 Astra 以 37% 领先，Opus 5.5 约 29%，GPT-6.1 Sol 约 25%，每次运行成本 10 美元；Astra 和 Opus 每次运行成本约为前者的六倍，得分分别高出 12 分和 4 分。