0.11 美元模型胜三款最贵模型：Slack 主动 agent 基准发布

heyshrutimishra · x · 2026-11-13

Deepnote 团队发布 Agent Initiative Benchmark：他们开源了一家虚构公司 PageMantle，内置 6 年的详细历史数据（财务模型、CRM、逾期发票、Linear 工单，以及 SVB 崩盘等真实事件），再通过公司 Slack 测试 12 个前沿模型作为「主动 agent」倾听对话并协助日常工作的表现，共 50 个情境。

结果亮点：OpenAI 最便宜的 GPT-6 Luna（每任务约 $0.007）击败了三款最贵模型；最贵的 Claude Fable 5.1 每任务 $3.02，与最低价差 430 倍，但 10 分制得分仅差 1.1 分。发帖人提醒：50 个任务样本仍偏小，选型前应等待基准扩充。