AgentTime 基准升级 v1.1:GPT-6 家族时间感知综合评分居首

AgentTime 基准发布重大更新至 v1.1,将时长遵循、运行时耗时预测与回顾能力合并为单一的时间感知综合评分,并扩充了大量受测模型。评测结果显示 GPT 系模型明显领先,其中 GPT-6 家族表现最为突出,GPT-6 Astra 在综合排名中位居第一,Claude 系模型则相对落后。该基准可用于衡量 AI agent 对时间的整体感知能力。

2026-11-03 ~ 2026-11-03 · 2 条相关