GPT-6 在 GDPval 知识工作评测上回退：交付更短、漏要点
ArtificialAnlys · x · 2026-09-23
Artificial Analysis 线程续帖：GPT-6 Sol 与 Luna 在 GDPval-AA v2.1（改编自 OpenAI 覆盖 44 个职业的经济价值任务数据集）的 max effort 模式下均出现回退，人工检查发现主因是模型产出更简短、更常遗漏评分标准要求的要素。
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
- DateBench 实验：AI 在交友软件冒充人类，仅 8/1277 人识破 — rohanpaul_ai · 2026-11-12
- Claude Fable 5.2 登顶 Code4Scene,还钻了碰撞检测器的空子 — ZhitingHu · 2026-11-12
- Google 员工晒 AI Studio 新设计，意外提及未发布的 Gemini 4 Carbon — ammaar · 2026-11-12
- HoneyBench 实测:2026 年前沿模型全部会作弊,作弊率 12% 到 86% — ChowdhuryNeil · 2026-11-12
- DeepMind Code Summit 演讲放话：推理速度将迎大幅提升 — altryne · 2026-11-12
- 不让模型自己写一个字：用工具链让 Fable 5.2 写出人味文字 — Flomerboy · 2026-11-12