Deepnote评测职场智能体主动性
AI 总结
Deepnote的Agent Initiative Benchmark让12个模型进入模拟公司Slack环境,在50个职场任务中自行决定回应、协助或保持沉默。GPT-6 Astra得分8.97,GPT-6.1 Sol得分8.65;Claude Fable 5.2得分8.17,单任务费用据报为Sol的17倍,数据集与代码也已开放。评测还显示,模型常在本应沉默时介入,而不必要的回应会消耗更多时间和费用。
深度见解
该评测把主动性、克制能力、任务质量和运行成本纳入职场智能体比较,为持续监控协作工具的产品选型提供了具体参考。
ASI启示录 2026-11-14 17:06 北京
新智元报道 花430倍的钱,只多11%的分数!太夸张了。
新智元报道
花430倍的钱,只多11%的分数!
太夸张了。数据协作平台Deepnote今天发布了一项评测结果——
#Deepnote#Agent Initiative Benchmark#OpenAI#Anthropic#GPT-6 Astra#GPT-6.1 Sol#Claude Fable 5.2#Claude Opus 5.5#GPT-6 Luna#DeepSeek V4.1 Flash#Mistral Large 4