第三方实测:GPT-6.2 在 Company Agent Bench 全面弱于上代
philhchen · x · 2026-11-19
Josh Qin 团队发布实测:GPT-6.2 的 Astra 和 Sol 两个模型在其 Company Agent Bench 上全面低于各自前代。
- 高推理档:Astra 从 6 的 80.8% 降到 6.2 的 79.7%;Sol 从 6.1 的 79.1% 降到 6.2 的 76.4%
- 基准基于其公司真实 Slack 中的 205 个问题
- 6.2 版本成本更低,但得分反而下降
作者结论是这次升级在 agent 场景上属于退步,完整结果已公布。
「模型」频道最新
- Gemini 4 Neon 登顶 CursorBench帕累托前沿,谷歌再夺编码榜第一 — melvinjohnsonp · 2026-11-19
- 2h 省 30%、8h 省 40%:OpenAI 公布后台模式折扣具体档位与优先级技巧 — OpenAIDevs · 2026-11-19
- OpenAI 演示折扣后台模式:睡前丢会议记录,8 小时窗口生成晨报 — OpenAIDevs · 2026-11-19
- OpenAI 推出 Background Mode 折扣窗口:放宽时限最多省 40% token 费用 — OpenAIDevs · 2026-11-19
- Qwen4-Max 发布,Qoder 编程工具首日即接入支持 — usamawahabkhan · 2026-11-19
- 小到能跑树莓派的模型做自主实验,成绩超 GPT Astra 约 10 分 — Scobleizer · 2026-11-19