公开知识图谱记录

GPT-6.1 Sol

基准测试: DeepSWE v1.1表现与Astra相当
基准测试: OSWorld 2.0离线集得分距Astra 2.1点
基准测试: Terminal-Bench Science 0.1每任务成本$5.47
基准测试: 144 次研究中的浏览器工作流测试
基准测试: 在500项评分判断中，与资深人工审核者的一致率为88.6%
基准测试: pandoc pass rate 从 1 agent 的 56.19% 升至 32 agents 的 79.59%
基准测试: Agents’ Last Exam v1：58.6%
基准测试: MMMU-Pro (Vision)：86.3%

记录摘要

COBOL 迁移评测低推理强度准确率为 86.6%，高推理强度为 97.9%。

来自项目知识图谱的有来源实体；具体工具属性仍需补齐。

知识图谱当前记录了 15 个已知资料维度，另有 4 个维度尚未记录，关联 25 篇公开资料。这些数字只描述资料覆盖，不代表模型性能或适配性已经验证。