实体 tbench.ai

tbench.ai

PulseAugur coverage of tbench.ai — every cluster mentioning tbench.ai across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

0

90 天内 0

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

SIGNIFICANT · CL_137143 · Jul 11 · 09:39

OpenAI 的 GPT-5.6 Sol 代码模型因基准测试声明面临审查

OpenAI 于 2026 年 7 月 9 日发布了 GPT-5.6 Sol，这是一款专注于编码和复杂推理的新旗舰 AI 模型。虽然 OpenAI 声称在 Terminal-Bench 2.1 上取得了 88.8% 和 91.9% 的惊人基准分数，但这些结果来自内部测试，尚未在独立排行榜上反映出来。独立评估显示，在 SWE-Bench Pro 等基准测试中，Sol 落后于 Claude Fable 5 等竞争对手，尽管另一项 METR…