Thrive Holdings 发布 75 家企业真实工作流模型评测基准

Thrive Holdings 于 10 月 16 日发布基于真实业务工作的模型评测基准，数据来自旗下 75+ 家会计与 IT 服务企业的日常工作，取代传统考试式基准，同时衡量准确率、耗时与成本，以揭示模型进展可转化为可度量的 ROI。首批评测覆盖个人报税与 IT 技术支持两类任务：个税申报中 Anthropic 的 Opus 5.5 领跑，GPT-6.1 Sol 以约四分之一成本仅落后 2.1 分；且 GPT-6 与 Claude 的排名随任务类型反转。

2026-10-16 ~ 2026-10-16 · 4 条相关

• 75 家企业真实工作基准:GPT-6 与 Claude 排名随任务反转 — BorisMPower · 2026-10-16
• Thrive Holdings 用75家真实企业工作流实测13个模型表现 — samaysham · 2026-10-16
• Thrive Holdings：用真实工作流评测衡量模型 ROI — samaysham · 2026-10-16
• 第三方实测:个税申报 Opus 5.5 领跑,GPT-6.1 Sol 以 1/4 成本仅差 2.1 分 — samaysham · 2026-10-16