CritPt v2 的得分普遍高于 v1，两者不可直接比较。GPT-6 Astra (max) 在 v2 上的得分为 83%，高于 v1 的 32%。两者…

CritPt v2 的得分普遍高于 v1，两者不可直接比较。GPT-6 Astra (max) 在 v2 上的得分为 83%，高于 v1 的 32%。

CritPt v2 的得分普遍高于 v1，两者不可直接比较。GPT-6 Astra (max) 在 v2 上的得分为 83%，高于 v1 的 32%。这两项改动都有贡献：在我们的测试中，提升的大部分来自修订后的挑战题目，而代码执行工具的访问带来了较小的增益。随着领先模型现已超过 80%，CritPt v2 在前沿所留的提升空间比 v1 更少。