Auf Long-Horizon-Terminal-Bench 2.0, 77 Aufgaben über 13 Domänen mit drei Stunden Bearbeitungszeit pro Aufgabe, löste das stärkste von 15 getesteten Frontier-Modellen, GPT-6-astra, 37 Aufgaben, gefolgt von GPT-5.6-sol mit 32, laut einem arXiv-Paper vom Oktober 2026
Zongxia Li et al. berichteten in einem arXiv-Paper vom Oktober 2026, dass GPT-6-astra 37 Aufgaben auf Long-Horizon-Terminal-Bench 2.0 löste, gefolgt von GPT-5.6-sol mit 32 Aufgaben. Dies maß die Anzahl der von 15 führenden Modellen auf Long-Horizon-Terminal-Bench 2.0 gelösten Aufgaben, das 77 Aufgaben in 13 Domänen enthält, wobei für jede drei Stunden erlaubt waren.
Geprüft 2026-10-27
Mit Insider verfolgenWarum das zählt
Stundenlange unbeaufsichtigte Arbeit ist das, was Agenten beherrschen müssen, um echte Jobs zu ersetzen, und dieser Benchmark zeigt die Fähigkeiten aktueller Frontier-Modelle
Mehr zu Modelle
- KI-Modelle können inzwischen Gold bei der Internationalen Mathematikolympiade gewinnen, doch Stanfords AI Index 2026 zeigt, dass sie an einer Aufgabe scheitern, die die meisten Kinder früh beherrschen. Bei den 180 Zifferblatt-Designs und 720 Fragen von ClockBench las das beste Modell, GPT-5.4 High, analoge Uhren nur in 50,6 % der Fälle korrekt ab, gegenüber 90,1 % bei Menschen
- Nachdem die Lücke 2024 kurz fast geschlossen war, hat sich der Leistungsabstand zwischen den besten Closed-Weight- und Open-Weight-KI-Modellen auf dem Arena-Leaderboard wieder vergrößert. Stand März 2026 führt laut Stanfords 2026 AI Index das beste Closed-Modell das beste Open-Modell um 3,3 %, gegenüber einem Vorsprung von 0,5 % im August 2024
- Stanfords KI-Index 2026 verfolgt, wie KI-Modelle bei GPQA Diamond abschneiden, einem Satz von Chemie- und Physikfragen auf Doktorandenniveau, die bewusst so gestaltet sind, dass Google-Suchen nicht weiterhelfen. Die mittlere Modellgenauigkeit bei diesem Benchmark erreichte 2025 93 %, verglichen mit einer Basislinie menschlicher Expertenvalidierer von 81,2 % -- KI-Modelle schlagen promovierte Experten nun um 12 Punkte bei GPQA Diamond
KOSTENLOS · KEINE KARTE
Fakten wie diese, sechs Tage die Woche
The Daily Receipts an Werktagen, The Weekly Brief am Samstag — sechs belegte Fakten pro Tag per E-Mail, zwei mehr als die kostenlose Website zeigt. Jeder bis zur Quelle belegt. Kostenlos.
Tägliches Gratis-Briefing holenKostenlos · Keine Karte · Jederzeit abbestellbar
Treten Sie jetzt bei, und Sie starten mit 100 Receipts in The Receipts Ledger — Ihr erster Schritt zu einem kostenlosen Jahr Insider oder Pro. So funktioniert es →
Die heutige Ausgabe ansehen →