七款新模型电脑任务横评
Teknium · x · 2026-07-12
对 7 个最新 AI 模型做了同一组真实电脑任务测试，放进 Hermes 里直接看它们如何操作电脑。
结论里，GPT-5.6 Sol 被评为综合最好，Grok 4.5 紧随其后，速度快且执行力强，Muse Spark 1.1 是本周的意外惊喜。
作者强调：基准测试只能告诉你模型“可能会做什么”，而让模型实际控制电脑，才能更接近它“真正会做什么”。
「编程与Agent」频道最新
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11