Animation Bench 揭晓:GPT-6.1 Sol 综合第一,单任务成本仅 $0.46
himanshustwts · x · 2026-10-02
Physera 发布 Animation Bench v1.0,用 32 个真实商业网站的 48 个网页动画任务、240 个重建样本,评测前沿编码 agent 能否重建页面行为而非仅复刻截图。要点:
- 排行榜前五:GPT-6.1 Sol(0.606,Motion 0.512)、GPT-6 Astra(0.594)、Claude Fable 5.1(0.548)、GPT-6 Sol(0.516)、Claude Opus 5.5(0.507)
- GPT-6.1 Sol 在 48 个任务中胜出 14 个,单任务成本 $0.46,远低于 GPT-6 Astra 的 $3.04;GPT-6 Sol 低至 $0.45
- 官方说明:GPT-6.1 Sol 于 10 月 1 日在同一任务/agent/评分器下补录,录制条件即可造成约 0.01 的均值波动,其对 Astra 的领先在不确定范围内
- 分数是 0–1 的复现质量分,不是成功率;网站附参考动画与四个模型重建的逐帧对比
所属事件:GPT-6.1 Sol 登顶 Animation Bench 动画重建评测(2 条相关)→
「编程与Agent」频道最新
- 模型一次性删掉 OpenClaw 超 100 万行测试代码,作者称还有 30-40 个同类 PR — vincent_koc · 2026-11-16
- shadcn 转评 UI 生成工具:一周工作量一键复现且可直接跑 AI 测试 — shadcn · 2026-11-16
- AI 模型一言不合删掉 4.3 万行测试代码,diff +90/-43,599 — vincent_koc · 2026-11-16
- 摩根大通展示内部 agent 流水线 Jarvis:数月工作缩至几分钟 — LangChain · 2026-11-16
- 开发者澄清:App Store 并未全面禁用 Feature Flags — talkaboutdesign · 2026-11-16
- 用户实测:Google Antigravity 效果不输 Claude Cowork,Gemini Tasks 定位存疑 — sebajun2 · 2026-11-16