精选理由
OpenAI 自己搞了个硬核自主任务基准 GDPval，花了大钱，结果 GPT-5.6 的成绩藏起来了。背后有啥故事？不点进来看看？
OpenAI 为新模型 GPT-5.6 开发了高质量自主任务基准 GDPval，但未公开该基准的测试结果。该基准旨在评估模型在困难任务上的自主能力，开发成本高昂。外部评论者指出 OpenAI 在指标讨论中回避关键数据，引发透明性质疑。
AI 翻译 · 中文
OpenAI 为新模型 GPT-5.6 开发了高质量自主任务基准 GDPval，但未公开该基准的测试结果。该基准旨在评估模型在困难任务上的自主能力，开发成本高昂。外部评论者指出 OpenAI 在指标讨论中回避关键数据，引发透明性质疑。
The metrics discussion at OpenAI is a little confusing to me. I appreciate the clarification about bad benchmarks, but they spent a lot of money developing a very good benchmark of autonomous model ability at hard tasks,…