找到 4 筆；也可以試試 語意搜尋
OpenAI 公布 GPT-6.1 Terra 在 Agents' Last Exam 上大幅超越 GPT-5.6 Terra，該測試衡量 agent 在工作中使用軟體的能力。它同時以 GPT-6 Astra 十分之一的每 token 價格達到與 Astra 相當的水平，平均完成任務速度比 Astra 和 GPT-6.1 Sol 都快 3 倍以上。帖中未披露具體得分與上線時間。
在 Agents' Last Exam 這項測試 agent 使用複雜專業軟體的基準上，GPT-6.1 Terra 達到 Astra 級表現，任務完成速度超過 3 倍，每 token 成本僅為十分之一。OpenAI 稱這套價效比可用於技術圖紙解讀、影像分析、介面導航與視覺流程自動化等應用。面向專業程式設計、研究與深度推理任務，GPT-6.1 Sol 與 GPT-6 Astra 仍是最強模型。
MiniMax 正式發布 M3.1 Flash，即此前在 OpenRouter 匿名屠榜的 Space Bunny（玉兔）。Agents' Last Exam 得分 29.6%，位列國產模型第一；DeepSWE v1.1 拿到 73.7%，BankerToolBench 以 76.2 分與 Claude Opus 5 並列第一。
Adobe Research 與 UCLA 提出 Tev 訓練方案：27B 模型在 Agents' Last Exam 計算與數學子集上 Pass@5 達 0.28，追平 GPT-6 Astra 與 Claude Opus 5。做法是先建置含隱藏標準答案的潛在世界再用它渲染出任務環境，據此合成覆蓋 7 個領域、1,170 個環境的 Tev-Gym，單次 rollout 中位耗時 12.4 分鐘、Pass@1 僅 29%。