GPT-5.6在Agent评测领先
RajmaChawala · reddit · 2026-07-14
帖子在比较 GPT-5.6 Sol、Claude Fable 5 和同日发布的 Grok 4.5 等前沿模型，重点是 agent 场景下的表现。
关键信息
- GPT-5.6 Sol 在 Agents' Last Exam 上比 Claude Fable 5 高 13.1 分，得分 53.6 vs 40.5。
- 在 Terminal-Bench 2.1 上达到 88.8%。
- 价格也低于 Fable 5，作者认为在类似或更好的 agent 表现下更便宜。
但有明显保留
- 独立评测者认为 Fable 5 在架构推理和规划上仍更强。
- OpenAI 没公布长上下文召回数据，作者认为这很可疑，因为这通常是已知弱项。
- 作者还提到：当天 Grok 4.5 也发布，而 Google 的 Gemini 3.5 Pro 仍未公开；这让“所有主要前沿实验室同时在线”的格局首次出现。
帖子最后附了一个视频 breakdown，并抛出一个实用问题：大家现在日常到底在用哪个模型。
所属事件:Grok 4.5 登顶终端代理基准测试(3 条相关)→
「模型」频道最新
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11