OpenAI 实测：AI 智能体可靠工作时长仅约 15 分钟

OpenAI 和 Google 在更贴近真实的研究型任务上给出的估计远比 METR 保守：METR 基准曾显示前沿模型在软件工程任务上以 80% 成功率可完成相当于人类约 3 小时甚至数天的工作，而 OpenAI 内部实测显示完全自动化的可靠任务时长仅约 15 分钟。有开发者对比两套「时间地平线」估计，指出基准测试与真实任务之间存在明显差距。

2026-10-24 ~ 2026-10-24 · 2 条相关