试了新的 5.6 的 SOL 发现也就呢样，做不到的还是做不到，就是 codex 看上去比之前花哨了点，整体上还是不如 Fable 5,只能期待下后续可能的 GPT 6 ，ai 的这些小版本更新没什么大的进步，只能等大版本了
 |
1
hrjlhy 15h 31m ago  3
你自己做个比 GPT 屌的模型呗
|
 |
3
1874w 15h 26m ago
经典踩一捧一。
|
 |
5
testsb 15h 19m ago
Area 排名（个人认为最接近自己使用感受的排名）刚出来，5.6 xHigh 确实不如 Fable 5 。
 |
|
6
testsb 15h 18m ago
|
 |
8
codingBug 14h 27m ago
难怪 5.6 要一拖再拖
|
 |
9
kongkx 14h 24m ago via iPhone
个人感觉 sol high 不行，还贼耗 token
|
 |
10
soulflysimple123 14h 13m ago
|
 |
11
lscho 14h 6m ago via Android 5
模型能力是多边形的，一个人的使用场景根本无法覆盖所有场景，所以根据自己的体验下结论就很尬。
就我个人而言，GPT5.6 的多模态和生图能力是超过 fable 的。。做游戏的素材生成，设计稿还原提升很大。 当然写代码方面相比 5.5 提升很小 |
 |
12
yooomu 13h 50m ago
指令遵循反而退步了，主动性太高，很容易做出意外的操作。而且真的太慢了，梦回 gpt 5.2 。开 fast 好点，但是额度禁不起烧
|
 |
14
hero0earth 9h 38m ago
这东西就是个弱智，跑了 2 天，我的 100 多个 case 一个都没给我交付，我都不知道他在搞什么。明明一个 case 一个 case 的做，老早就做完了，他倒好，定义这测试那，看着是在做事，昨天一天烧了我 20 亿 token 。我今天等不及了，问他现在交付了几个 case ，好家伙，0/160
|
 |
15
409164 9h 35m ago via iPhone
目前最好用的 ai
|
 |
16
canyue7897 7h 49m ago
@hero0earth 同感，不知道这货是干啥，每次思考时间都很久。无奈，开了 5.5 继续蹬。慢的让人发指了。现在感觉逼着开多个了，写个提示词，下次执行完估计得一两个小时了。
|
 |
17
buru PRO 体感就是慢，是我开思考太高档的原因吗
|
 |
18
FlashEcho 7h 48m ago
@testsb #5 Arena 更是最野榜的野榜，完全靠用户的问题打分评价，都没有专业人员设计过确定的题目和确定的输入输出。尤其是 code 的场景，更是完全不贴用户的使用体验。要么是不能很好地考察模型的 agent 能力，而且它的场景基本上都是用户从零开始构建一个工程，和在已经现有的代码库上进行操作完全不同
|
|
22
testsb 6h 5m ago
@xing7673 @willxiang
https://arena.ai/leaderboard/text/overall 这个是综合能力，就像 #11 楼的朋友说的： "模型能力是多边形的，一个人的使用场景根本无法覆盖所有场景，所以根据自己的体验下结论就很尬" 你们可能更关注 coding ，得看 https://arena.ai/leaderboard/text/coding |
 |
23
DiKaErJi 6h 2m ago
额度消耗的太快了，我一个小任务都做不完就没了
|
|
24
testsb 5h 53m ago
@FlashEcho 榜单评测方法有两面性，我觉得各个榜单有各自的优劣。
Arena 靠用户投票，基本就是大多数人的体感了，因为每个人使用场景不同，所以这种方式优势是测试集多样，相反缺点也是测试集不固定，横向直接比较说服力低，这也是你吐槽的点吧。 而做特定测试集的那些榜单，测试集固定结果清晰，很方便模型的直接横向比较，这是优点，但也不是完美的，因为模型多迭代几代很容易把某些测试变成考卷考试，做针对性优化。 这次 GPT 5.6 据说就针对某些榜单做过针对优化，而且还针对性的改了某些榜单的测试基准。相当于不仅考卷，还自己改了考题。 |
 |
26
eventlooped 5h 16m ago
深度使用一天，fable5 还是明显更强
|
 |
27
hd10180 4h 28m ago
@hero0earth 太赞同了
|
 |
28
x4gz 4h 25m ago
高级别很容易就思考过度 然后做一些更复杂的逻辑 结果 token 花了 任务没完成😅
|
 |
29
aireason 3h 28m ago
有些任务做很久出不了结果，但是如果是一个比较容易收敛的任务，质量很高。
所以关键就在于，它经常无法自己收敛，有点像数学里的级数或极限，得学会让他自己收敛，避免过度思考。 |
 |
30
witcherhope 3h 24m ago via iPhone
综合能力用应该是最屌的
|
 |
31
azraeljack 3h 3m ago
sol 实在是太慢了，开 fast 都很慢，有种早期 GPT 5 xhigh 的感觉。而且经常会过度思考。能力是在线的，但是总体来说体感确实不如 fable 。
|
 |
32
tarikzhang 2h 34m ago
@canyue7897 一样的体感，以前 5.5 几分钟完成的事情，现在 5.6 要半小时甚至一小时，token 消耗还特别大，不过发现 sol 的 high 指定的方案确实比 5.5 会完善一些。现在打算 5.6 写方案，5.5 写代码
|
 |
33
isbase PRO 两者深度用下来，codex 桌面 app 相比 claude code 最大的优势在于流畅的 computer use / chrome control 能力。
claude code 自带的这方面能力就很捉急了。 |
Select Language