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
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- Mirendil 发布首个自研预训练模型 Fern,上下文最长 1000 万 token — bneyshabur · 2026-10-26
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26