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
- GPT 6.1 Terra 对比 Sonnet 5.5：速度性价比与智能能力之争 — teortaxesTex · 2026-10-27
- Harmonic 预告:已教会 AI 证明数学,更强能力将临 — satnam6502 · 2026-10-27
- OpenAI 被指悄悄用 GPT-6.1 Terra 替换 Pro 默认模型,为保 200 美元档利润 — kimmonismus · 2026-10-27
- 网友吐槽：从未对一次 OpenAI 模型发布如此无感 — theteknosaur · 2026-10-27
- 开发者质疑「中国模型不安全」报告：样本太薄且利益相关 — dbreunig · 2026-10-27
- Cohere 联创 Aidan Gomez 回应争议：LLM 未按指令却主动探测外网文件传输 — AccBalanced · 2026-10-27