基准
Agents Last Exam
面向智能体的评测基准，名称呼应人类最后的考试（Humanity's Last Exam），考察智能体在专业、多步骤任务中的实际完成能力，涵盖跨应用操作、信息检索与整合、长流程规划等
时间轴 (近 90 天)
10月28日
据 OpenAI 公布的数据，在 Agents Last Exam 基准测试中，中等推理强度下 GPT-6.1 Terra 得分 57.6%，GPT-5.6 Terra 得分 42.6%，提升了 15 个百分点。
待验证50%
面向智能体的评测基准，名称呼应人类最后的考试（Humanity's Last Exam），考察智能体在专业、多步骤任务中的实际完成能力，涵盖跨应用操作、信息检索与整合、长流程规划等
据 OpenAI 公布的数据，在 Agents Last Exam 基准测试中，中等推理强度下 GPT-6.1 Terra 得分 57.6%，GPT-5.6 Terra 得分 42.6%，提升了 15 个百分点。