GPT-5.6 Sol在Agent Arena列第2
arena · x · 2026-07-14
Agent Arena 更新了 GPT-5.6 Sol 的排名，结果是 **总体第 2**，并在多个维度上有不同表现： - **#1 Steerability**：可控性第一 - **#2 Confirmed Task Success**：任务成功率第二 - **#2 Tool Hallucination**：工具幻觉相关指标第二 - **#3 Praise vs. Complaint**：赞扬/抱怨维度第三 - **#14 Bash Recovery**：bash 恢复能力第 14 这条信息的重点是：同一模型在 agent 评测里并不是全面领先，而是呈现出明显的能力分布差异。