In een verslag dat de auteurs op 2 november 2026 publiceerden, melden ze dat GPT-6 Astra 131.072 gewichten van Qwen3.5-0.8B aanpaste. Na 50 voorwaartse passes steeg de score op MATH-500 van 7,9% naar 48,1%. Volgens de auteurs kwam die stijging vooral doordat meer antwoorden afgemaakt werden, niet doordat de edit aantoonbaar nieuwe wiskundige kennis toevoegde.
Welke gewichten Astra aanpaste
De auteurs testten Qwen3.5-0.8B in de denkmodus. Het model heeft 24 lagen en 0,8 miljard gewichten. GPT-6 Astra veranderde 64 uitvoerkolommen van het MLP (een deel van het netwerk dat informatie verder verwerkt) in elk van laag 15 en laag 19. Samen ging het om 131.072 gewichten, volgens de auteurs 0,016% van het model.
Astra bewerkte de gewichten via een Python-kernel, zonder GPU, trainingslus of gradiëntinformatie. Meer achtergrond staat in NeoTeo’s eerdere artikel over GPT-6 Astra.
De gerapporteerde scores
De auteurs rapporteerden de volgende scores voor Qwen3.5-0.8B vóór de edit en na 50 voorwaartse passes:
| Benchmark | Voor de edit | Na 50 passes |
| MATH-500 | 7,9% | 48,1% |
| GSM8K | 13,8% | 67,1% |
| IFEval | 21,0% | 62,3% |
Op MATH-500 is het verschil tussen de getoonde scores 40,2 procentpunt. Bij 10 en 25 passes kwam Qwen op die benchmark uit op respectievelijk 12,3% en 14,1%. De sterkste gerapporteerde score volgde dus na het grootste testbudget.
Waarom meer antwoorden de limiet haalden
De auteurs schrijven de stijging vooral toe aan het terugdringen van herhalingslussen: het model bleef minder vaak hangen in een redeneerstap en kon daardoor vaker een antwoord afmaken. In hun analyse waren 576 van de 579 antwoorden die na de edit alsnog slaagden eerder afgekapt. De geaggregeerde nauwkeurigheid van antwoorden die al vóór de edit waren afgerond, bleef volgens hen gelijk.
Ook het aandeel MATH-500-antwoorden dat de limiet van 32.768 tokens bereikte, daalde: van 93,0% vóór de edit naar 33,1% na 50 passes. Na 10 en 25 passes was dat aandeel nog respectievelijk 87,2% en 86,4%. De hogere totaalscore past daarmee bij minder onafgemaakte antwoorden; ze laat op zichzelf geen nieuwe wiskundige vaardigheid zien.
De testopzet en de Gemma-controle
Voor de bewerkingen kon Astra 7.469 opgaven uit de GSM8K-trainingsset en 7.275 uit de MATH-trainingsset gebruiken. De auteurs zeggen dat Astra de uiteindelijke evaluatiesets niet te zien kreeg.
Een controle met Gemma 3 270M leverde geen vastgestelde wiskundige winst op. Dat model liep minder vaak vast: 8,5% van de antwoorden bereikte de tokenlimiet, tegenover 93% bij Qwen. Gemma’s MATH-500-score was 6,8% vóór de bewerkingen en kwam daarna maximaal op 7,7%; de auteurs beschouwden die stijging niet als een aangetoonde verbetering.
