一张图对比 Opus 5.5 与 GPT 6 的 Benchmark 成绩
精选理由
有人把 Opus 5.5 和 GPT 6 的跑分放在一张图里了，重点看 Terminal-Bench 4.0，GPT 在跨应用自动化那项表现很猛。
一条推文整理了 Opus 5.5 和 GPT 6 对外展示的 Benchmark 成绩对比图。Terminal-Bench 4.0 被认为含金量较高，作者指出每代模型分数平滑上升通常是优质模型的特征，说明没有针对基准刷题。GPT 在 AutomationBench 上成绩突出，能够跨多个应用完成任务，作者猜测 Computer Use 能力可能起了作用。
原文 · 向阳乔木
一张图看懂最近Opus 5.5 和 GPT 6 对外展示成绩的Benchmark。 Terminal-Bench 4.0含金量有点高，如果每代模型分数平滑上升，往往是优质模型的特征之一。（说明没刷题） GPT 在 AutomationBench 上成绩非常好，跨多个应用搞定，可能Computer Use立功了？ 💬 2 🔄 0 ❤️ 2 👀 1295 📊 2 ⚡
