OpenAI 2026-07-30 OpenAI把ARC跑分提到38.3% 编辑精选 同一个 GPT 5.6 Sol,换两项 API 记忆设置后,ARC AGI 3 公开任务分数从 13.3% 到 38.3%。这比单纯刷榜更棘手,像一次对 Agent 评测口径的压力测试。 OpenAI 7 月 29 日把一件容易被 #AI评测#AI Agent#Codex
具身智能 2026-07-09 机器人真机榜最高12.8% 机器人基础模型的宣传片越拍越顺,新的公开评测却把冷水泼到了桌面上。 RoboTwin 系列基准的原班团队发布了 RoboDojo,把通用机器人操作模型同时放进仿真和真实机器人环境里考试。结果是:仿真榜第一的平均成功率只有 8.80%,真实机 #机器人#AI评测