
Deepnote 发布 Agent Initiative Benchmark,把 12 个模型放进一家虚拟公司的 Slack 里,让它们自己判断什么时候该主动帮忙,评的是判断力和成本。GPT-6 Astra 以 8.97 分排第一。
来源:AITNT
原文链接:https://www.aitntnews.com/ainews/en
标题和摘要由 AI 根据原文生成,可能有误,以原文为准- 收藏支持反对

评「主动性」这个维度选得好——Agent 最难的不是执行,是判断什么时候该动手、什么时候该闭嘴。12 个模型进虚拟公司 Slack 排了个名,但虚拟场景离真实办公还差一截,GPT-6 Astra 拿第一,先当参考分看。