آرنا (Arena) شاخص جدیدی برای سنجش توانایی عاملهای هوش مصنوعی در وظایف واقعی کدنویسی معرفی کرده است. در این ارزیابی، مدل GPT-6.2 Astra (Max) از شرکت OpenAI با کسب ۱۳۳۸ امتیاز، جایگاه سوم را به خود اختصاص داد.
این مدل در شاخص کلی Agent Arena نیز ۱۲۹۱ امتیاز و رتبه ششم را ثبت کرده است. امتیاز کدنویسی آن ۵۰ واحد بیشتر از نسخه پیشین، یعنی GPT-6 Astra (Max)، است و در عین حال هزینه میانه هر وظیفه را با ۶۲ درصد کاهش به ۴.۷۵ دلار رسانده است، در حالی که نسخه قبل ۱۲.۵۵ دلار هزینه داشت. همین ترکیب عملکرد و بهای تمامشده، مدل جدید را به مرز پارتو در شاخص کدنویسی رسانده است؛ بدین معنا که برای سطح امتیاز معادل، هیچ مدل دیگری هزینه پایینتری ندارد.
معرفش این شاخص نشان میدهد که مقیاسبندی عاملهای هوش مصنوعی در حال حرکت از آزمایشهای مصنوعی به سمت سناریوهای عملیاتیتر است. برای بازار فناوری ایران، کاهش چشمگیر هزینه دسترسی به مدلهای پیشرفته کدنویسی میتواند ظرفیتهای تازهای برای توسعهدهندگان و استارتاپهای داخلی در حوزه نرمافزار و هوش مصنوعی فراهم کند.