GPT-5.6 在知识工作基准领先
ArtificialAnlys · x · 2026-07-11
AA-Briefcase 是一个新的 agentic knowledge work benchmark，用来测试模型在复杂项目中的真实知识工作能力，任务由行业专家构建。它的评分方式结合了二元 Rubric Checks、分析质量，以及对展示效果的成对比较。
帖子称，GPT-5.6 Sol (max) 在该基准的 Presentation Elo 最高，意味着它在 PowerPoint、Excel 等不同文件类型上的呈现质量最好。相较前代 GPT-5.5 (xhigh)，它的 Presentation Elo 约提升 500 分，按文中估计，在头对头可视化比较中的胜率约为 95%。
「模型」频道最新
- AI Sextet 活动:6 模型 14 天完全免费,含 DeepSeek/Qwen/GLM — airesearch12 · 2026-09-11
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11