出力トークンをより多く生成しても、必ずしも高いスコアにつながるわけではありません。GPT-6 Astra (max) はタスクあたり約81kの出力トークンで8.6%のスコアを記録しています…

出力トークンをより多く生成しても、必ずしも高いスコアにつながるわけではありません。GPT-6 Astra (max) はタスクあたり約81kの出力トークンで8.6%のスコアを記録しています。これは Grok 4.7 (xhigh) の約180kの半分以下です。3つの Claude モデルは最も多くの出力トークン(タスクあたり約202k〜約562k)を生成しましたが、スコアは2.8%〜6.4%にとどまっています。