FutureSim Q3 评测发布,Opus 5.5 调用 50+ 子智能体登顶

FutureSim 基准通过回放真实世界事件、让模型在其知识截止后做预测,发布了 2026 Q3 模拟评测结果。结果显示上一代 LLM 出现显著非连续变化,开始真正从经验中变强。其中 Opus 5.5 超越 GPT 系列登顶榜首,评测中调用了 50 多个子智能体,展现出强先验知识与出色的测试时适应能力。

2026-11-16 ~ 2026-11-16 · 2 条相关