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%

原文链接 →

「模型」频道最新

• 关注具体场景而非最强模型，选型逻辑正在变化 — aftahi_ai · 2026-09-01
• 用户吐槽 GPT-5.6 代码与幻觉问题，寄望 GPT-6 改善 — Prestigiouspite · 2026-09-01
• Z.ai 推出 GLM-5.3-Flash：320B 参数、支持百万上下文与 NVFP4 量化 — alejandroll10 · 2026-09-01
• 传 GPT-6 已近人类计算机操控水平 — jYtanYj · 2026-09-01
• 开源模型转向非商用许可，后训练授权或成千亿市场 — zephyr_z9 · 2026-09-01
• Hailuo H3 Max 速度够快，用户用它做出了可交互 AI 开放世界 RPG — mtizard · 2026-09-01

更多「模型」频道 AI 资讯 →