Deepnote 发布主动式智能体基准 OpenAI 包揽前二且成本低 17 倍

数据协作平台 Deepnote 创始人 Jakub Jurovych 发布 Agent Initiative Benchmark，首次将 12 个前沿大模型放入模拟企业 Slack 群中充当 AI 同事，考察其自主判断何时介入、何时沉默的主动性控制能力。结果显示 OpenAI 的 GPT-6 Astra 与 GPT-6.1 Sol 包揽前二，其中 Sol 单任务成本仅 0.11 美元，而排名第三的 Anthropic Fable 5.2 单任务成本 1.87 美元、得分反而更低，折算 70 人公司月度账单相差约 16 倍。

该基准构建了包含 6 年详细历史的合成企业 Slack 环境，要求智能体在群聊中自主决定是否发言、调用何种服务以及 @ 哪些人员。评测由两个 LLM 评审对照参考答案打分，数据集与代码均已开源。极端对比显示，Fable 5.1 每单 3.02 美元与 GPT-6 Luna 每单 0.007 美元相差 430 倍，而得分仅差 1.1 分，揭示出性价比的巨大落差。

这一基准将评估焦点从答题正确率转向主动协作中的判断力，为企业选型主动式智能体提供了可复现的量化依据。OpenAI 模型在成本与性能上的双重优势，可能加速 AI 同事在真实工作流中的规模化部署，并推动行业重新审视智能体经济性。