在桌面任务基准 OSWorld benchmark 的测试中，模型完成任务的成功率约为 75%，略高于该 benchmark 的人类测试基线约 72%。而在职业任务评估 GDPval benchmark 中，模型在 44 种知识型工作任务中约 83% 的评分进入专家区间。
ITmedia �r�W�l�X�I�����C���̍ŐV���������͂�
。PDF资料对此有专业解读
В Израиле одним словом оценили ход операции против Ирана14:58
20+ curated newsletters
Москвичей предупредили о резком похолодании09:45