智能体主动性基准

Deepnote 推出 Agent Initiative Benchmark，将主动式智能体放入模拟企业 Slack 环境，考察其是否知道何时介入、该说什么以及何时保持沉默。GPT-6 Astra 以 8.97 分领先，GPT-6.1 Sol 以 8.65 分紧随其后且单任务成本仅 0.11 美元，而第三名 Claude Fable 5.2 单任务成本高达 1.87 美元。该基准同时开源数据集与评测代码，为主动式智能体的选型提供了可复现的量化依据。