Agents on Rails 榜单:GPT-6.1 Sol 以 1/13 成本逼近 Opus 5.5
npew · x · 2026-10-14
Rails 官方 Agent 基准 Agents on Rails 回归 Stage 3,用 7 个多步任务(每个横跨 3-8 张工单)实测各家用 agent 从零搭建 Rails 应用、接手混乱遗留代码库的能力。
- 综合最佳:OpenAI GPT-6.1 Sol,成功率 60.8%,单次 $0.80、23 分 35 秒,准确率、速度与成本平衡最好
- 最准确:Anthropic Opus 5.5(max effort)成功率 65.3%,但最贵也最慢之一
- 最快:OpenAI GPT-6 Astra(medium effort)16 分 36 秒,成功率 54%
dhh 强调 Sol 与 Opus 差距不到 5 个百分点,成本却只有约 1/13($0.80 vs $10.53),称性价比惊人。
「编程与Agent」频道最新
- Google 向 1 万名科学家免费送 6 个月 Antigravity 最高档 — danielrock · 2026-10-14
- CineRecon 基准:12 个前沿模型复现可编辑 3D 影视场景全翻车 — hkuhk · 2026-10-14
- 美团开源 ClawLoop:无外部教师的 Agent 自我改进训练环 — meituan-longcat · 2026-10-14
- Grok Bot 近期大幅进化:完整更新盘点与自主经营实测 — elonmusk · 2026-10-14
- 独立开发者优化个人站：首页任务列表从 1.8 秒压到 0.1 秒 — DanielLockyer · 2026-10-14
- 把评测 harness 当代码管:一套 CI 化的本地模型回归方案 — AKAMA199 · 2026-10-14