METR 扩展时域基准:Opus 5.5 八成成功率任务时长约 20 小时
ben_j_todd · x · 2026-11-21
METR 扩展了原有的时间 horizon 基准并测得 Opus 5.5:从图 28 可读出 80% 成功率下的任务时长约 20 小时,与此前图表显示的 21 小时基本一致。
「模型」频道最新
- GPT-6.2 Astra 智商第二但文风垫底,五前沿模型智商与「人味」横评 — iruletheworldmo · 2026-11-21
- Inkling 2 Mini 单张 5090 跑出 613 tok/s 解码,支持 1M 上下文 — jesdga95 · 2026-11-21
- 单次跑分已死:评测正变成算力与协议的博弈 — Gauri_the_great · 2026-11-21
- OpenAI 发布 GPT-6.2 Astra/Sol 提示模板,修简短回复等毛病 — The Decoder · 2026-11-21
- 曝新开源模型阵容含 32B/122B/256B,本地部署玩家沸腾 — HankYeomans · 2026-11-21
- 开发者实测:Gemini UI/UX 生成胜 Claude,Codex 被评最糟 — HankYeomans · 2026-11-21