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%。