AutomationBench 实测:GPT-6 Sol 完成业务工作流成本比 Fable 5.1 低 88%
OpenAIDevs · x · 2026-09-23
OpenAI 公布 AutomationBench(衡量 AI 模型能否跨应用完成真实业务工作流)成绩:GPT-6 Sol (xhigh) 领先 Fable 5.1 (max with Opus 5 fallback),且单任务报告成本低 88%。帖子同时附上 DeepSWE v1.1 数据:GPT-6 Sol (max) 逼近 Claude Fable 5 (xhigh),单任务成本低约 80%;Luna (max) 相当于 Fable 5 (medium),成本低约 96%。
所属事件:OpenAI 发布 GPT-6 Sol 与 Luna：价格减半、幻觉大降，但非全面超越前代(92 条相关)→
「模型」频道最新
- 双板搭建测试：GPT-6 Astra 成功，Claude Fable 5.2 落败 — qinzytech · 2026-11-12
- Zvi 深析 Anthropic 新系统卡: autonomy 阈值争议成焦点 — Don't Worry About the Vase (Zvi) · 2026-11-12
- antirez 背书:苹果 M5 本地跑低比特 DeepSeek 好过 27B 稠密模型 — antirez · 2026-11-12
- 被禁用视觉后 Gemini 自建文本图像硬扛基准,性能仅降 6% — zacharynado · 2026-11-12
- 实测三模型纯裸跑编码：Gemini 4 Carbon 代码质量惊艳性价比最高 — Semantic_meaning · 2026-11-12
- Google 发物理工程「最后考试」:14 个前沿模型全部不及格 — dl_weekly · 2026-11-12