@antirez: 如何信任一个排名第一和第二是这样的指标？GPT 5.6 Sol 在现实世界中是一个*根本上*强大的……
摘要
这条推文质疑AI模型排名指标的可信度，断言GPT 5.6 Sol比Opus 5根本上更强大，并暗示图表的其余部分可能不可靠。
如何信任一个排名第一和第二是这样的指标？GPT 5.6 Sol 在现实世界中是一个比Opus 5*根本上*更强大的模型。当然，这意味着图表的其余部分被部分打乱了。将其视为众多信号之一。 https://t.co/EpYY9CgOtT
查看缓存全文
缓存时间: 2026/08/28 17:54
如何信任这种排名中第一和第二是那样的指标？GPT 5.6 Sol在实际表现上是一个比Opus 5 根本性更强的模型。这当然意味着榜单其余部分存在一定程度的错位。可将其作为众多参考信号之一看待。https://t.co/EpYY9CgOtT
相似文章
@chooi_jeq: 在机器人任务中，GPT-6 Sol的得分是GPT-5.6 Sol的1.6倍，且成本降低47%，但低于帕累托前沿 …
GPT-6 Sol在机器人任务中实现了1.6倍的得分提升和47%的成本降低，但仍低于Opus 5.5的帕累托前沿。
@VraserX：越来越明显的是，Astra 和 GPT-6.1 Sol 在实际任务中完全碾压 Opus 和 Fable。
一条推文认为，OpenAI 的 GPT-6 Astra 和 GPT-6.1 Sol 在实际任务中表现优于 Anthropic 的 Fable 5.1 和 Opus 5.5，并引用了 XDOF 基准评测结果，同时指出 Anthropic 在前端设计和 3D 游戏设计方面仍保持优势。
5.6 Sol 在通用工作中的潜力被低估（7分钟阅读）
OpenAI 发布了 GPT-5.6 Sol，这是一款旗舰模型，适用于跨应用和企业数据的长时间自主工作，配备超频模式（Ultra mode）及子代理，可实现更快、更强的结果。该模型内部被用于辅助训练 Luna，并在成本和性能上相较此前版本有显著提升。
GPT-5.6 Sol 预览版发布，基准差距超预期
OpenAI 发布了 GPT-5.6 Sol 预览版，显示基准差距超出预期。
GPT 5.6 Sol 基准测试
GPT 5.6 Sol 在 AI 语言建模方面取得新的基准测试结果，展示了性能改进。