Roboflow: GPT-6 Astra slår Qwen3.8 Max på objektdeteksjon, men SAM 3 tegner bedre masker

82,1 % mAP@50 på lav effort gjør GPT-6 Astra til den sterkeste detektoren Roboflow har testet, 5,4 poeng foran Qwen3.8 Max og 13,7 foran GPT-5.6 Sol. Piotr Skalski i Roboflow publiserte målingene 18. september, og Astra er nå standardmodellen bak Roboflow Auto Annotate. Tallene er selskapets egne og ikke uavhengig etterprøvd.

Astra er en generell vision-språkmodell, ikke en tradisjonell detektor. Du sender bildet og en liste med klasser, og får tilbake JSON med bokser i pikselkoordinater. Roboflow skalerer bildene slik at lengste side er maks 2 048 piksler. Klassene kan være abstrakte: modellen skilte tomme og fulle gassflasker uten å få vite at forskjellen sitter i en liten plugg på ventilen.

Visuelle eksempler hjelper mye. Med tre positive og tre negative bokser som eksempler falt antallet treff fra 49 til ni, og mAP@50 steg fra 21,3 til 90,1 %. På telling scoret Astra 80,2 %, og på visuell resonnering 87,2 % på lav effort.

«For de fleste datasett er Astra et sterkt utgangspunkt for auto-annotering» — Roboflow

Prisen er haken. Høy effort løftet deteksjonen bare til 83,6 %, mens kostnaden per bilde doblet seg fra 0,050 til 0,101 dollar og ventetiden gikk fra 11 til 32 sekunder. Qwen3.8 Max når 76,7 % til rundt en firedel av prisen. På video anslår Roboflow 36 til 144 dollar for ett minutt i 30 bilder per sekund. For segmentering tegner SAM 3 masker som følger kantene tettere, mens Astras polygoner kan forskyves og forenkles.

Hva bør du gjøre?

1. Start på lav effort, og gå bare opp hvis dine egne data viser en tydelig gevinst.
2. Test Qwen3.8 Max først hvis budsjettet er stramt, og bytt til Astra bare hvis du må rette for mye for hånd.
3. Trenger du presise masker, la Astra finne boksene og send dem til SAM 3.