评估7个最新AI模型在电脑任务上的实际表现排名

RT @nickvasiles: 我说Grok 4.5比Fable更重要

马斯克甚至点赞了我的帖子

但后来GPT-5.6 Sol出现了

于是我给了本周7个最新AI模型各一台电脑，通过Hermes运行相同的真实任务

最终排名：
1. GPT-5.6 Sol：整体最佳
2. Grok 4.5：紧随其后，快速且不懈
3. Muse Spark 1.1：本周的惊喜

基准测试告诉你模型可能做什么。

观察它控制电脑展示它实际能做什么

完整对比↓