OpenAI GPT-6.1 正式上线 Agent Arena 竞技场开启长时程任务盲测

Arena 评测平台于 2026 年 9 月 29 日宣布将 OpenAI 的 GPT-6.1 模型纳入 Agent Arena 竞技场，开启针对真实长时程智能体任务的社区盲测评估。

• GPT-6.1 正式上线 Agent Arena，接受由社区用户提交的真实长链路智能体任务检验。
• 评测任务覆盖数百万个结合网页搜索、文件系统和终端命令调用的复杂工作流。
• 榜单采用因果追踪方法，量化评估模型在多步骤决策和工具协同过程中的执行稳定性。
• 影响/看点：将前沿模型置于多步骤工具调用竞技场中，能更客观地反映长时程智能体在真实开发场景下的执行稳定性，具体表现需待后续社区盲测评分公布后验证。
• 资料依据：
• Arena 官方 X 账号（2026-09-29）：https://x.com/arena/status/2105006240363581728
• OpenAI 官方博客（2026-09-29）：https://openai.com/index/devday-2026-recap

本内容由 AI 生成，仅供参考，请注意甄别