AgentTime 大更新:GPT 系时间感知领先,任务时长预测最佳误差 2.26 倍

maksym_andr · x · 2026-11-03

AgentTime 基准发布重大更新:将时长遵循、运行时预测与回顾能力合并为单一的时间感知综合评分,并新增大量受测模型。结果显示 GPT 系模型明显领先,尤其 GPT-6 家族。配图的 Forecasting 图表显示:各 agent 需在开跑前预测 200 个任务的耗时,Opus 5.5 表现最佳(典型误差 2.26 倍,58% 预测偏低),其后为 Fable 5.1(2.47 倍)、Gemini 4 Argon(2.59 倍)、GPT 6.1 Sol(2.85 倍,90% 偏高)、GPT 6 Astra(2.96 倍)、GPT 5.6 Sol(3.82 倍)、MiMo V2.6 Pro(4.19 倍)、Muse Wonder 1.0(8.44 倍)与 MiMo V2.6 Pro UltraSpeed(9.42 倍)。