GPT-5.6 Sol能打穿Terminal吗？
GPT-5.6 Sol
GPT-5.6 Sol 在 Terminal-Bench 2.1 上以 ultra 模式跑出 91.9%，刷新所有已公开模型纪录，这个数字让我第一次在屏幕上停住了滚轮。Terminal-Bench 2.1 的 89 个任务不是写个 sort 算法返回正确结果那么简单，它把模型扔进一个真实容器里——读文档、装依赖、起服务、跑测试、查日志、失败重试，整条链路几乎是我每天在 IDE 里手搓的活儿。两周前 Claude Mythos 5 的 88.0% 刚被各路媒体封为"agentic 编程新天花板"，Sol 一出手就被踩在脚下；更狠的是关掉 ultra 只用 max 模式，Sol 仍有 88.8%，相当于旗舰机开省电模式都能赢别家的性能模式。但真正让同行后背发凉的，不是分数本身，是效率——ExploitBench 上 Sol 几乎打平 Anthropic 那个"强到不敢发布"的 Mythos Preview，输出 token 却只有三分之一；CTF 命中率 96.7%，几乎触顶。这背后是两项新机制：max reasoning effort 给模型更多推理链预算，ultra mode 则让 Sol 自己把任务拆给多个子 agent 并行处理再合并结果，区别于 Anthropic 需要人工编排的 Agent Teams——这是模型自己当 PM 了。91.9% 不是一个冰冷的 SOTA，它在告诉我：终端里"干完一件事"的成本正在塌方式下降。
发布于 福建
分享
评论
赞
未登录
友善发言
评论
加载中
