APK Arena 手机Agent基准发布
giffmana · x · 2026-07-12
发布了一个新的前沿基准 **APK Arena**，用于评估 AI agent 在手机上的操作能力。 作者称他们对 **GPT 5.6** 做了横向对比，结果它在这套基准上整体领先于其他模型。基准覆盖 **50+ 关卡**，包括点击、视觉理解、记忆、游戏和真实任务等手机使用场景。
giffmana · x · 2026-07-12
发布了一个新的前沿基准 **APK Arena**，用于评估 AI agent 在手机上的操作能力。 作者称他们对 **GPT 5.6** 做了横向对比，结果它在这套基准上整体领先于其他模型。基准覆盖 **50+ 关卡**，包括点击、视觉理解、记忆、游戏和真实任务等手机使用场景。