GPT-5.6 在 ALE 刷新成绩
shi_weiyan · x · 2026-07-11
OpenAI 表示，GPT-5.6 Sol 在 Agents' Last Exam (ALE) 上拿到 53.6 分，超出 Claude Fable 5（adaptive）13.1 分。中等推理设置下，它以大约 1/4 的估算成本领先 Fable 5 11.4 分；GPT-5.6 Terra 和 Luna 也在约 1/16 的成本下超过了 Fable 5。
帖子同时补充了 ALE 的背景：这是一个面向前沿 AI agent 的公开评测，收录了 1,500+ 个由专家提供的长周期任务，覆盖 55 个非实体职业，来自 100+ 家机构的 300+ 位专家。评测强调真实职业工作、可复现和基于结果的自动评分。
所属事件:GPT-5.6 在 ALE 基准测试中刷新成绩(2 条相关)→
「模型」频道最新
- GPT-6.1 Terra 事实错误率从 22.3% 降至 4.3%，降幅近 81% — haider1 · 2026-10-27
- GPT-6.1 Terra 发布:早期用户称写作与 computer use 表现亮眼 — BenBajarin · 2026-10-27
- GPT-6.1 Terra 跑分曝光:成本低至 Sol 一半,追不平 Astra — Angaisb_ · 2026-10-27
- Artificial Analysis 更新智能指数 v4.3.2，GPT-6.1 Terra 参与横评 — ArtificialAnlys · 2026-10-27
- AA 实测:GPT-6.1 Terra 幻觉率降 50%,准确率还升 2 分 — ArtificialAnlys · 2026-10-27
- AA 实测 GPT-6.1 Terra:编码 Agent 得 48 分,成本仅前代三分之一 — ArtificialAnlys · 2026-10-27