GPT-6.1 Terra 基准出炉:SWE-bench 76.2%,六项全面领先
mark_k · x · 2026-10-27
OpenAI GPT-6.1 Terra 的基准成绩公布，与 GPT-5.6 Terra、GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5、Gemini 2.5 Pro 对比，六项基准全部第一：
- Terminal-Bench 4.0(编码):50.3%，领先第二名 GPT-6.1 Sol 的 34.1%
- Factuality(内部评测，错误率越低越好):16.7%，远低于 GPT-5.6 Terra 的 53.6%
- Agents' Last Exam(计算机使用):41.6%
- SWE-bench Verified:76.2%，对比 Claude Opus 5.5 的 71.6%
- BrowseComp(网页浏览):62.3%
- Synthetic Difficult Questions:74.8%
注：结果来自 OpenAI 内部评测及公开基准报告，各基准的测试设置与评估方法可能存在差异。
所属事件:OpenAI 发布 GPT-6.1 Terra：API 降价 50%，主打低成本电脑操作(20 条相关)→
「模型」频道最新
- php2shell 漏洞实测：仅 2/5 前沿模型能完成利用移植，耗时 3.5-6 小时 — xeophon · 2026-10-27
- Qwen Code 发布 v0.26.2 预览版：新增会话权限规则与实验性共享 Agent Loop — qwen-code-review-bot · 2026-10-27
- GPT-6.1 Terra 事实错误率从 22.3% 降至 4.3%，降幅近 81% — haider1 · 2026-10-27
- GPT-6.1 Terra 发布:早期用户称写作与 computer use 表现亮眼 — BenBajarin · 2026-10-27
- GPT-6.1 Terra 跑分曝光:成本低至 Sol 一半,追不平 Astra — Angaisb_ · 2026-10-27
- Artificial Analysis 更新智能指数 v4.3.2，GPT-6.1 Terra 参与横评 — ArtificialAnlys · 2026-10-27