Ruff 作者盛赞 GPT-6.2: Agents' Last Exam 成本-分数曲线「疯狂」
charliermarsh · x · 2026-11-18
ruff/uv 作者 Charlie Marsh 表示 GPT-6.2 对他自己的工作是一个巨大的跃升,并晒出 OpenAI 的 Agents' Last Exam v1.1 成绩图:GPT-6.2 Astra 在约 $2-5/任务的成本下达到约 78% 的高分,大幅领先 Claude Fable 5.2(约 $60/任务、约 73%)和 Claude Opus 5.5(约 $15/任务、约 71%),Gemini 4 Carbon 也接近 78% 但成本更低区间。他称这些「成本-得分曲线完全疯狂」,指向模型性价比的代际跃迁。
所属事件:Ruff 作者 Charlie Marsh 盛赞 GPT-6.2 是工作上的大跨越(3 条相关)→
「模型」频道最新
- 实测三款旗舰模型横评:Fable 5.2 仍最强,但并非全面碾压 — petergyang · 2026-11-18
- 实测 10701 个问题:Google 搜索改写 Gemini 近半品牌推荐 — dejanseo · 2026-11-18
- Cursor 发布 CursorBench 4.0:Gemini 4 Carbon 60.4% 登顶,DeepSeek 每任务不到 1 美元 — mattyp · 2026-11-18
- Salesforce 开源语音识别模型 SOV-Transcribe-1 登上 HF 热榜 — salesforce-sovereign-intelligence · 2026-11-18
- 实测 Gemini 4 Hydrogen:AI Mode 默认模型离了搜索几乎不认识任何品牌 — dejanseo · 2026-11-18
- OpenAI 员工回应 GPT-6.2 争议:网红评测用的是发布前旧版本 — i_dg23 · 2026-11-18