Every 用日常工作自建基准实测 GPT-6 Sol 对阵 Opus 5.5
every · x · 2026-09-25
同日 OpenAI 发布 GPT-6 Sol、Anthropic 发布 Claude Opus 5.5,Every 的 Dan Shipper 用自家日常工作任务自建的 benchmark 做了 Vibe Check 横评,结论是"两个模型,一个清晰的取舍"。文章指出跑分之外,更应该用自己真实工作任务来测模型;但正文对付费会员锁定,免费读者只能看到开头。
所属事件:GPT-6 Sol 与 Opus 5.5 同日发布引发第三方实测对比(3 条相关)→
「模型」频道最新
- DeepSeek V4.1 Flash 单卡 3090 跑出 20 tok/s，官方推理栈开源加持 — casper_hansen_ · 2026-11-12
- 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