GDPval 相关 AI 资讯 · AI 热点

7月24日

03:06

03:06

Paul Couvert@itsPaulAi

Offloop团队推出D1层，一个仅3B参数的多智能体路由层。它在GDPval基准上达到SOTA，领先Claude Code和Codex，覆盖美国年收入2.4万亿美元的岗位需求。D1自动决定每个步骤由哪个智能体执行，替代手动比较多个agent输出。

AI模型 Offloop D1 GDPval

推荐理由：Offloop搞了个D1路由层，3B参数就能自动调度多个AI agent，基准上干掉了Claude Code和Codex，挺有意思。

02:10

02:10

elvis@omarsar0

多智能体系统面临智能体重复工作、互相通信浪费token的难题。Offloop团队训练了一个名为D1的调度器模型，它能决定哪个智能体下一步行动，并在合适时保持静默。该方法在GDPval基准上达到了SOTA性能，同时大幅降低了成本。用户还可以自带自己的AI订阅。

AI模型 Offloop D1 GDPval

推荐理由：Offloop用D1调度器解决了多智能体互相重复工作的老问题，成本低还让你用自己订阅的AI。

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

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

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。