企业级Agent基准测试：Gemini 3.1/3.5表现强劲但仍落后
echen · x · 2026-07-23
最新公布的企业级智能体与深度推理基准测试显示，Gemini 3.1 和 3.5 在多项任务中表现优异，但在长上下文处理、专业文档解析、图表理解和复杂数学推理方面，其得分仍显著落后于 Fable 和 Sol 模型。
「模型」频道最新
- GPT-6.1 Terra 发布:专为快速高效的计算机操作训练 — mark_k · 2026-10-27
- Nat Lambert 点评:依赖内部基础设施的窄域 RL 训练,不利开源权重 — mervenoyann · 2026-10-27
- 网传 Terminal-Bench 4.0 图：GPT-6.1 Terra 以最低成本登顶 — Angaisb_ · 2026-10-27
- OpenAI 推出 GPT-6.1 Terra:主打低成本高速计算机操作 — OpenAIDevs · 2026-10-27
- GPT-6.1 Terra 全量上线:Plus/Pro/企业/Edu 可用,API 名 gpt-6.1-terra — OpenAI · 2026-10-27
- OpenAI 发布 GPT-6.1 Terra:API 价格较 GPT-5.6 Terra 降 50% — OpenAI · 2026-10-27