衡量 AI 完成长任务的能力：Opus 4.5 的 50% 视野为 4h49M

发布: 1周前 (2025年12月21日 GMT+8 12:06)

1 min read

Source: Hacker News

文章详情

文章链接: https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/
评论链接: https://news.ycombinator.com/item?id=46342166
积分: 34

请提供您希望翻译的文章摘录或摘要文本，我将为您翻译成简体中文。

就在几周前，Google 推出了 Gemini 3 模型，声称它在多个 AI 基准中取得了领先地位。但供应商面临的挑战是……

规模化问题所以，你已经构建了一个出色的 AI 代理。你用几十个示例对其进行了测试，结果完美无缺。现在，你准备将它部署到生产环境……

引言：OpenAI 的最新研究方向标志着在先进的 AI 系统的训练和评估方式上出现了重大演进，提出了根本性的问题……