创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

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

原文约 6 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。