GBENCH 评测：OpenAI 三款模型包揽前三，Anthropic 专注编码助手
teortaxesTex · x · 2026-11-11
leolinsky 用 100 个未饱和的编码与工程环境（涵盖空间推理、规划、游戏、电路设计等）评测 Fable 5.2 及各家模型，成本极高。GBENCH 榜单显示 OpenAI 大胜：GPT-6 Astra（83.3）、GPT-6.1 Sol（82.0）、GPT-6.1 Terra（77.2）包揽前三，Claude Opus 5.5 以 76.7 居第四，Gemini 4 Argon 71.6 第六，Claude Fable 5.2 71.4 第七。
要点：
- 作者认为 OpenAI 在金融、工程设计与开放式技术问题上给出更优解，这解释了为何多数数学突破出自 OpenAI
- 评价 Anthropic 是「全力做一个好用的编码助手，而非发布最聪明的模型」
- Fable 5.2 在 agent 编码任务中会主动停下来向人类求助澄清（如「先让我确认这些再继续调」）
「模型」频道最新
- Fable 5.2 每任务成本翻倍至 $26.54，被质疑未达 Anthropic 宣称的效率提升 — haider1 · 2026-11-11
- Abundant Labs 基准：Carbon 20 项任务解出 14 项，胜 Opus 5.5 与 GPT-6 — amankhan · 2026-11-11
- 实测者称 Fable 5.2 是增量升级且 token 消耗巨大 — bindureddy · 2026-11-11
- sokobanteg v0.2 上线:十余款前沿模型同台竞技推箱子 — banteg · 2026-11-11
- AssemblyAI 推出 Medical Mode,医学术语漏识别减少 20% — AssemblyAI · 2026-11-11
- Gemini 4 Carbon 登顶 ARC-AGI-3:99.1% 得分、成本仅 4600 美元 — fchollet · 2026-11-11