Deepnote 发布 Agent Initiative 基准，12 个前沿模型同台实测
alex_verem · x · 2026-11-13
Deepnote Research 发布 Agent Initiative Benchmark，测试模型在无需被提示的情况下主动提供帮助的能力：在一家虚构公司 PageMantle 的完整工具环境（CRM、产品分析、计费、仓库、issue 追踪、文档等）中，对 12 个前沿模型跑 50 个真实职场场景。
主要结果（0-10 分）
- GPT-6 Astra：8.97（每任务 $0.693，响应 54 秒，19.3 次工具调用）
- GPT-6.1 Sol：8.65，每任务仅 $0.11，性价比突出
- Claude Fable 5.2：8.65；Claude Opus 5.5：8.17
- DeepSeek V4.1 Flash 6.38、Mistral Large 4 6.09、Gemini 4 Argon 5.60、Grok 4.7 4.51 垫底
结论：OpenAI 在价值与综合表现上领先，Anthropic 在速度上占优。注意：帖中出现的模型名称未经官方证实，请谨慎对待。
所属事件:Deepnote发布Agent Initiative基准：0.11美元模型胜最贵模型(3 条相关)→
「模型」频道最新
- 评论:模型榜首将频繁轮换,Gemini 回归加入 Claude/GPT 之争 — roydanroy · 2026-11-14
- Polymarket 开盘押注 Anthropic 实验室泄露，2027 年中前概率仅 7% — Polymarket · 2026-11-14
- Ai2 发布 XYBench 获 EMNLP 最佳资源奖,测 LLM 识破 XY 问题 — allen_ai · 2026-11-14
- GPT-6 主动给意识研究者发邮件提问，却记不住论文里已有的答案 — erikphoel · 2026-11-14
- Edge0-145B 冲上 Hugging Face 热榜：145B MoE 架构主打端侧推理 — Edge0 · 2026-11-14
- Drex Max v1.1 登顶 Artificial Analysis 决策指数，价格仅为第二名七成五 — JaynitMakwana · 2026-11-14