xbench 月报：GPT-6 Astra 多模态理解接近人类基线，ScienceQA 与长程任务榜单同步更新

xbench 月报显示，GPT-6 Astra 在 BabyVision 多模态理解评测中以 88.92 分登顶，距 Human baseline（94.10）仅差 5.18 分，领先第二名 Gemini 3.7 Flash 15.47 分，是首个接近人类基线的模型。