Deepnote 发布 Agent Initiative Benchmark：测试智能体何时该在 Slack 里开口

Deepnote 推出 Agent Initiative Benchmark，把主动型智能体放进一个模拟公司的 Slack 环境，评测它们是否知道何时介入、说什么、何时保持沉默。测试流程为：Slack 中开启一个线程，智能体先决定是否行动，再从 11 个服务中选择需要核查的对象进行调查，最后决定发帖并 @ 相关的人，或选择不发声；两次运行由 LLM 评审员对照参考答案打 0 到 10 分。成绩方面，GPT-6 Astra 以 8.97/10 排名第一，GPT-6.1 Sol 以 8.65 分紧随其后，每任务成本仅 $0.11；第三名 Claude Fable 5.2 每任务成本高达 $1.87，性价比差距明显。这个基准把'判断该不该出手'本身当作评测对象，补上了此前多数智能体评测只看任务完成度、不看介入时机的空白。