Today for AI
返回热点榜
agent热度 15.0°

AI 聚合热点事件 · 2026/11/13

Deepnote 发布主动式智能体基准 12 款前沿模型同台竞技

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/13 23:24:29
全景综述与最新动态
1 家信源交叉印证

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。

最新动向/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。

逐小时热度走势

2 个完整观测小时
连续完整观测不足 3 个小时，暂不绘制趋势曲线。

报道时间线

共 1 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·72 分

    Deepnote 发布主动式智能体基准 12 款前沿模型同台竞技

    原标题：This is a beautiful concept for a benchmark.

    • 基准将智能体置于含 6 年详细历史的合成企业 Slack 中，考察其主动介入判断、服务调用选择与人员 @ 通知
    • GPT-6 Astra 以 8.97 分居首，GPT-6.1 Sol 以 8.65 分且单任务成本仅 0.11 美元，性价比显著优于第三名 Claude Fable 5.2 的 1.87 美元
    • 评测由两个 LLM 评审对照参考答案打分，数据集与基准代码均已开源