GPT-5.6 Sol 登顶 ErdosBench
i_dg23 · x · 2026-07-19
GPT-5.6 Sol 在 ErdosBench 上拿到第一：在 226 道研究级开题中解出 78 题，明显高于 GPT-5.5 xhigh 的 55 题。
图里还给出各模型的覆盖率、通过题数、强结论/反例/引用等细分统计，以及审阅后的说明：GPT-5.6 Sol 是“目前审计过最好的全量跑分”；GPT-5.5 xhigh 总体最好但仍有单模型争议；Kimi K2.7 Code 创造性强但缺失若干行；GLM-5.2 强但不均衡；Claude Opus 4.8 max 在审稿和部分深度上表现较好。
「模型」频道最新
- 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
- antirez 谈 Anthropic 禁止未成年人使用 Claude — antirez · 2026-09-11