ArgaBench 发布：Opus 5 在多应用 Agent 任务中领跑
Daisy4ai · x · 2026-09-01
发布了 ArgaBench，这是一个包含 40 个任务的跨领域基准，用于衡量 Agent 在 IT、营收、市场营销、软件开发和电商等多应用工作流任务中的表现。
在 32 种配置的测试中，模型通过率排名如下：
- Opus 5：70.8%
- Fable 5：60.0%
- GPT 5.6 Sol：50.8%
「模型」频道最新
- 用户痛诉 GPT-6.1 Sol 慢且 bug 多,转投 Claude 称快 7 倍 — karmay007 · 2026-10-16
- 博主称免费版用户已严重低估 10 个月来 AI Agent 的进步 — realmeetjames · 2026-10-16
- 腾讯混元开源 Hy Memory 2.0:模型+框架+MemHub 三件套管 Agent 记忆 — TencentHunyuan · 2026-10-16
- 四个 Gemini 代理打 Minecraft：27 小时写 2783 个程序击败末影龙 — _rockt · 2026-10-16
- 曝 OpenAI 年内再发两款模型：GPT-6.1 Astra 与 GPT-6.5 Bell — VraserX · 2026-10-16
- 开源模型已追平 Claude Sonnet 5，差距收窄速度前所未有 — LegacyRemaster · 2026-10-16