对 DRACO 基准测试的 Brave Search 组的最新评估显示，GPT-5.6-sol 已进入排行榜，平均得分为 63.99，每任务成本为 1.71 美元。然而，一个名为 OpenSquilla 0.5.0 Preview 的集成解决方案，利用了多个国内中文模型，以显著更低的每任务 0.12 美元成本取得了略高的 64.09 分。这表明复杂代理任务的竞争正从依赖单一强大模型转向有效组织多个模型。 AI
影响 强调了模型编排在复杂代理任务中日益增长的重要性，超越了单一模型的优势。
排序理由 该项目报告了 AI 模型的基准测试结果，特别比较了在 DRACO 基准测试上的性能和成本。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
