GDPval 相关 AI 资讯 · AI 热点

7月9日

12:31

12:31

Ethan Mollick@emollick

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模型 GPT-5.6 OpenAI GDPval 自主任务 AI评测

推荐理由：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？

5月22日

13:25

13:25

官方账号Logan Kilpatrick@OfficialLoganK

88°

Google 的 Gemini 3.5 Flash 模型在 GDPval 基准测试中相比 3.1 Pro 取得了显著进步，性能已接近前沿水平。这表明后训练（post-training）技术仍在持续提升模型能力。该消息由开发者 Logan Kilpatrick 在 X 上分享，引发社区关注。Gemini 3.5 Flash 作为轻量级模型，其竞争力提升对开发者选择高效模型具有参考价值。

AI模型 Gemini 3.5 Flash GDPval 后训练基准测试模型进步

推荐理由：轻量模型逼近前沿，做推理或成本敏感应用的开发者值得关注——Flash 系列可能成为性价比新选择。