GPT 下一任模型寫視頻能趕上 Opus 5.5 嗎?239 項任務數據對比與 7 步驗證法

GPT 下一任模型寫視頻能趕上 Opus 5.5 嗎?239 項任務數據對比與 7 步驗證法

摘要:在 VibeVideoBench 的代碼驅動視頻任務中,GPT-6 Astra 已與 Claude Opus 5.5 處於同一水平,綜合質量略高、成本更低;Opus 5.5 交付更穩定;OpenAI 下一代通用模型尚未發佈,其視頻能力需要發佈後實測。

結論先行:截至 2026 年 11 月 15 日,在“Agent 編寫代碼、調用渲染工具、交付完整 MP4”這條路線上,GPT-6 Astra 與 Claude Opus 5.5 是 VibeVideoBench 中最接近的兩個系統。Astra 綜合質量得分 4.109,Opus 5.5 爲 4.074;人工盲測 Elo 分別爲 1242 和 1203,統計上無法區分。Opus 5.5 交付全部 239 項任務,嚴格任務成功率 76.3%,高於 Astra 的 74.5%;Astra 平均每項任務 API 成本 8.19 美元,約爲 Opus 5.5 的一半。OpenAI 已公開兩項內部模型顯著強於 Astra 的證據,但下一代通用 GPT 的名稱、發佈時間和視頻專項成績均未公佈。所以對標題問題的回答是:現款 GPT 已經趕上,下一代能否拉開差距取決於發佈後的實測。

內容預告:下文先界定評測範圍,再拆解 VibeVideoBench 的總體成績、分類成績、人工偏好和成本數據,說明兩者各自的優勢來自哪裏;隨後梳理 OpenAI 內部模型的公開信號與下一代模型的發佈狀態,分析視頻 Agent 真正的瓶頸;最後給出一套在新模型發佈後可直接複用的對比測試方法,幫助你判斷它是否值得替換現有方案。

next-gpt-video-creation-vs-claude-opus-5-5-zh-hant-image-0

To Know:閱讀本文前需要了解的術語

術語 解釋
Code-driven Video Generation 代碼驅動視頻生成:AI 編寫動畫和渲染程序,最終輸出 MP4
Native Video Generation 原生視頻生成:模型直接根據文字、圖片生成視頻畫面,代表產品有 Sora、Veo
VibeVideoBench 專門測試 AI Agent 自主製作完整視頻的評測基準,2026 年 10 月 26 日發佈
Harness 模型運行環境,提供代碼執行、文件訪問、工具調用等能力,如 Codex CLI、Claude Code
L1 / L2 / L3 評測的三層:程序交付檢查、任務要求逐條檢查、多模態評審的視頻質量評分
嚴格任務成功率 視頻成功交付且滿足全部約束的任務比例,比單純“交付率”更嚴格
Bradley–Terry Elo 根據人工兩兩比較結果計算模型相對偏好的評分方法
Multi-agent Orchestration 多智能體編排:讓多個 Agent 分工協作,再整合結果
Render Pipeline 視頻渲染流水線:畫面生成、音頻處理、編碼合成到最終輸出
Remotion / FFmpeg 前者用 React 代碼寫視頻動畫,後者負責音視頻編碼與合成
ffprobe FFmpeg 附帶的檢查工具,用來讀取視頻的分辨率、幀率、時長、音軌等信息
Cache Hit 緩存命中率:重複上下文從緩存讀取的比例,直接影響長任務的 API 成本
BenchCAD 2.0 測試 AI 三維零件重建、機械裝配設計和 PCB 連接識別能力的工程評測

1 先給結論:GPT 已經進入 Opus 5.5 的視頻創作競爭區間

1.1 本文比較的是哪一種“寫視頻”

AI 視頻創作目前有兩條路線。原生視頻生成由模型直接輸出連續畫面,擅長人物、物理運動和鏡頭語言;代碼驅動視頻生成則讓模型擔任導演兼程序員:理解需求、寫腳本和分鏡、用 Remotion、Three.js、Cairo 或 Blender 編寫動畫、用 TTS 生成旁白、再用 FFmpeg 合成並檢查成片。

本文討論的是第二條路線,也就是通過 Codex CLI、Claude Code 這類 Agent 交付完整 MP4 和可編輯工程的能力。這條路線適合數據可視化、產品介紹、知識科普、動態信息圖和品牌宣傳片,也是 GPT 與 Claude 目前有獨立基準可比的領域。

OpenAI 自己的原生視頻產品線已經發生變化:Sora 產品於 2026 年 4 月 26 日停止服務,Sora 2 模型及 Videos API 於 9 月 24 日關停,官方棄用公告註明沒有一對一替代 API。11 月 4 日發佈的 GPT-Image-2.6 支持 2—16 幀的 GIF 動畫輸出,適合表情包、循環動作和分鏡預覽,與完整 MP4 製作屬於不同工作流。因此,GPT 系列“寫視頻”的能力,當下主要體現在代碼驅動路線上。

1.2 一句話回答標題問題

GPT-6 Astra 在 VibeVideoBench 中與 Opus 5.5 極爲接近,綜合評分略高,交付穩定性略低。OpenAI 下一代模型具備繼續提升的技術信號,但公開的視頻專項成績仍以 Astra 爲基準。


2 239 項真實視頻任務:GPT-6 Astra 與 Opus 5.5 誰更強?

2.1 VibeVideoBench 如何測 GPT 與 Opus 5.5 的視頻能力

VibeVideoBench 構建了 239 項真實視頻製作任務,覆蓋 12 類內容,共測試 9 個 Agent 系統、2,151 次運行。每項任務要求 AI 在沙箱中自主完成,交付可播放 MP4、可重新生成視頻的工程項目以及製作說明。每項任務限時 60 分鐘,所有系統使用各自原生開發環境、最高可用推理強度,中途不追加人工指令。

GPT-6 Astra 運行在 Codex CLI 中,Claude Opus 5.5 運行在 Claude Code 中。其餘參測系統包括 Claude Sonnet 5.5、Gemini 4 Argon、DeepSeek V4.1 Flash、Kimi K3、GLM-5.3 Flash、GPT-5.6 Sol 和 Gemini 3.8 Flash。評分分三層:L1 檢查 MP4 是否交付及分辨率、幀率、時長、音軌等規格;L2 逐條驗證約 1.3 萬項任務要求;L3 由三個多模態評審系統評估畫質、美感、內容邏輯、運動節奏和音頻同步。

next-gpt-video-creation-vs-claude-opus-5-5-zh-hant-image-1

2.2 GPT-6 Astra 與 Opus 5.5 總體成績對比

指標 GPT-6 Astra Claude Opus 5.5 領先
成功交付視頻 238/239 239/239 Opus
視頻交付率 99.6% 100% Opus
規格符合率 93.7% 99.6% Opus
任務要求通過率 97.1% 97.3% Opus
視頻質量 4.08 3.99 Astra
視覺美感 4.30 4.19 Astra
內容邏輯 4.20 4.18 Astra
運動與節奏 3.95 3.95 平
音頻質量與同步 4.10 4.07 Astra
綜合質量得分 4.109 4.074 Astra
嚴格任務成功率 74.5% 76.3% Opus
人類偏好 Elo 1242 1203 統計上無法區分

數據來自三評審團平均結果,評分範圍 1—5 分。兩個系統均領先其他參測系統。

這張表呈現出清晰的分工:Astra 在“做出來的視頻好不好看”上略佔優勢,綜合質量領先 0.035 分,視覺美感領先 0.11 分;Opus 5.5 在“能不能按規格交出來”上更可靠,規格符合率高出 5.9 個百分點,嚴格任務成功率高出 1.8 個百分點。0.035 分的差距很小,結合 Elo 置信區間來看,兩者處於同一檔位。

2.3 不同視頻類型中 GPT 與 Opus 5.5 的優勢分佈

視頻類別 Astra Opus 5.5 領先者
品牌與營銷 4.18 4.18 平局
產品與功能展示 4.20 4.24 Opus
音樂與聲音驅動 3.83 3.92 Opus
論文解讀 4.03 4.07 Opus
概念與流程解釋 4.19 4.15 Astra
數據與事實故事 4.14 4.01 Astra
視覺藝術 3.94 3.91 Astra
遊戲與體育 4.15 4.12 Astra
活動與個人表達 4.03 3.93 Astra
故事與視覺喜劇 4.00 3.88 Astra
建造與製作流程 3.97 3.94 Astra
課堂教學 4.47 4.45 Astra

數據來自論文 Appendix E.4,計入未交付視頻的零分。

Astra 在 12 類中領先 8 類,差距最大的是數據與事實故事(0.13)和故事與視覺喜劇(0.12);Opus 5.5 在產品展示、音樂驅動和論文解讀中領先,音樂驅動的差距爲 0.09。音樂類任務對音畫對齊要求高,產品展示對規格和細節要求高,這與 Opus 在規格符合率上的優勢方向一致。大部分類別的差距在 0.05 分以內,模型選擇已出現任務類型差異,但單類差距仍需結合重複測試判斷。

2.4 Opus 5.5 爲什麼仍然有競爭力

人工盲測採用 Bradley–Terry 模型計算 Elo。Astra 爲 1242(95% 置信區間 1134–1387),Opus 爲 1203(1111–1327),兩者排名置信區間都是 1–3,論文給出的比較概率 P=0.69,結論是統計上無法區分。需要注意,人工測試只評價已經交付的視頻,無法衡量按時交付能力,而交付恰好是 Opus 的強項。

自檢行爲解釋了這一點。Opus 每次運行平均查看渲染圖片 7.9 次、使用 ffprobe 3.9 次;Astra 分別爲 3.4 次和 2.1 次。Opus 更頻繁地檢查自己的輸出、發現問題再修復,換來了 100% 的交付率和 99.6% 的規格符合率。Anthropic 將 Opus 5.5 定位爲長時間運行的 Agentic Coding 模型,社區也有用戶自述用它約 30 分鐘完成 iOS 應用宣傳片、自動製作 1080×1920 豎屏新聞短視頻並附帶 SRT 字幕,這些屬於個人案例,可作爲工作流完整性的旁證。

next-gpt-video-creation-vs-claude-opus-5-5-zh-hant-image-2

2.5 視頻任務成本:GPT-6 Astra 單價更高,單任務更便宜

指標 GPT-6 Astra Claude Opus 5.5
標準輸入價(美元/百萬 Token) 10 4
標準輸出價(美元/百萬 Token) 50 20
平均任務成本 $8.19 $15.38
中位任務成本 $7.88 $10.19
P90 任務成本 $11.88 $31.22
平均輸出 Token 61K 130.7K
每項任務 API 調用 46 51
Cache Hit 97% 65%

Astra 的標準單價是 Opus 5.5 的 2.5 倍,但平均任務成本低約 46.7%。原因有兩個:Astra 輸出 Token 少約 53.3%;Astra 緩存命中率達到 97%,而 Opus 約 76% 的任務成本來自 Cache Write。P90 成本差距更明顯,Opus 在複雜任務上的成本波動更大。論文也指出,單純增加 Token 消耗並沒有帶來對應的質量提升。

這組成本是按公開 API 價格折算的等價成本,不含完整商業視頻的人工和素材費用。Opus 5.5 官方 Batch API 提供輸入輸出五折,離線批量製作時成本結構會變化。

💰 成本優化:視頻 Agent 的單任務成本受緩存命中和輸出長度影響很大,只看單價容易誤判。建議在 API易 apiyi.com 上用同一任務分別跑兩家模型,按“每條成片的實際消耗”來覈算,而不是按標價比較。


3 OpenAI 下一代 GPT 的能力提升信號

3.1 Navier–Stokes 研究:內部模型顯著強於 GPT-6 Astra

2026 年 9 月 8 日,OpenAI 發佈 Navier–Stokes 千禧年大獎問題研究成果。官方文章寫明,所用內部模型能力顯著強於 GPT-6 Astra,採用大規模強化學習訓練,公告發布時訓練仍在繼續。

這項研究的執行規模是多智能體能力的直接展示:約 10,000 個 Agent 同時參與,研究耗時約 88 小時,產生 270 萬條消息、約 1,300 億輸出 Token;Agent 分組研究不同版本的問題,小組之間交換信息,由 Codex 整合中間成果,系統持續把資源集中到更有希望的路線上。最後的 Lean 形式化驗證額外用時 17 小時,使用的是 GPT-6 Astra。

對視頻創作而言,這裏最相關的是長時程任務調度和多 Agent 協作,而非數學能力本身。一條複雜視頻同樣需要並行處理腳本、動畫、音頻,再整合、檢查、返工。

3.2 BenchCAD 2.0:工程能力從 0.594 提升到 0.875

2026 年 11 月 3 日,OpenAI 在《Accelerating engineering for the physical world》中公佈:一個較新的內部模型在 BenchCAD 2.0 獲得 0.875 的平均成績,GPT-6 Astra 在最高推理強度下爲 0.594,相對提升約 47.3%。測試內容包括三維零件重建、機械裝配設計和 PCB 連接識別。

這兩項證據應分開看待。OpenAI 沒有說明 BenchCAD 測試模型與 Navier–Stokes 研究模型是否爲同一個,名稱和發佈時間也均未公佈。BenchCAD 是 OpenAI 自己公佈的工程測試,屬於空間理解與複雜工程知識的進步信號,與視頻生成任務沒有直接對應關係。

3.3 下一代 GPT 何時發佈:截至 11 月 15 日的公開狀態

日期 公開進展
11 月 2 日 據 The National 報道,Altman 在 ADIPEC 表示數學研究使用了一個即將發佈的 GPT 模型,約 10,000 個 Agent 協作約四天;報道註明該表述未經獨立驗證
11 月 3 日 OpenAI 公佈內部模型 BenchCAD 2.0 數據
11 月 4 日 The Information 援引知情人士報道,OpenAI 可能最快 11 月 6 日推出新一代 Astra、Sol 和網絡安全模型
11 月 5 日 OpenAI API Changelog 確認發佈 GPT-6 Cyber,未發佈新一代通用 Astra 或 Sol
11 月 15 日 官方模型目錄的通用旗艦仍爲 GPT-6 Astra、GPT-6.1 Sol、GPT-6.1 Terra、GPT-6 Luna

網絡上流傳的 GPT-6.2 Astra、GPT-6.2 Sol 等名稱目前沒有獲得 OpenAI 官方確認。同樣要注意,VibeVideoBench 測的是 GPT-6 Astra 和 GPT-5.6 Sol,Astra 的成績不能直接套用到 GPT-6.1 Sol 或 Terra 上。


4 下一代 GPT 要在視頻創作上超越 Opus 5.5,還需要什麼

4.1 視頻 Agent 的真正瓶頸:時間管理與交付

VibeVideoBench 全部 2,151 次運行中,有 224 次沒有交付可播放視頻。其中 169 次屬於時間管理問題:最終渲染啓動太晚、運行過慢或根本沒有啓動,約佔全部失敗的 75%。測試環境是 8 核 CPU、32GB 內存、無 GPU 的統一 Docker 容器,渲染本身就要佔用可觀時間。

這說明模型推理能力提升之後,還要落實到執行節奏上。一個模型把動畫寫得再精緻,如果在第 55 分鐘才啓動渲染,結果仍是零分。Astra 與 Opus 5.5 在質量上已經難分高下,下一代 GPT 拉開差距的空間主要在交付側。

4.2 下一代 GPT 在視頻工作流中的七個提升點

結合兩者當前的強弱項,下一代模型若要明顯超過 Opus 5.5,需要在以下環節同時進步:

  1. 需求與分鏡理解:準確把握主題、受衆、風格,把需求拆成鏡頭順序和時間軸。
  2. 複雜動畫代碼:Remotion、Three.js、Python 動畫一次寫對,減少返工渲染。
  3. 多 Agent 調度:把腳本、動畫、音頻並行化,內部模型在數學研究中展示的編排能力需要遷移到這類工程任務。
  4. 渲染時機:預留足夠渲染時間,避免佔失敗總數約四分之三的時間管理問題。
  5. 音畫同步:旁白、音效與畫面節奏對齊,這是 Opus 在音樂驅動類任務領先的方向。
  6. 主動自檢:Opus 平均看圖 7.9 次,Astra 爲 3.4 次,自檢頻率與規格符合率直接相關。
  7. 穩定交付:完整 MP4 加可編輯工程,規格一次達標。

next-gpt-video-creation-vs-claude-opus-5-5-zh-hant-image-3


5 下一代 GPT 發佈後,如何驗證它是否真的超過 Opus 5.5

5.1 七步對比測試方法

公開榜單隻運行一次、限時 60 分鐘、以英文任務爲主(239 項中 209 項爲英文),中文業務場景需要自己複測。以下方法可在新模型發佈當天直接複用:

步驟 做法 關注指標
1 固定任務集 選 10—20 條真實業務視頻需求,覆蓋腳本、動畫、數據可視化、產品展示 任務覆蓋度
2 固定環境 統一工具鏈(Remotion/FFmpeg 版本)、機器配置和時限;Harness 差異單獨記錄 可比性
3 分環節測試 先用 API 單測分鏡和動畫代碼,再在 Agent 環境跑全流程 環節得分
4 記錄消耗 每次運行的耗時、輸入輸出 Token、緩存命中 單位視頻成本
5 交付檢查 用 ffprobe 覈對分辨率、幀率、時長、音軌 交付率、規格符合率
6 盲測與重複 隱去模型名做兩兩比較,每任務至少跑 3 次 偏好勝率、方差
7 綜合打分 質量、成功率、修改成本、單位視頻成本加權 最終選型結論

第 3 步把“模型能力”和“Agent 環境能力”分開。VibeVideoBench 測的是完整 Agent 系統,Codex CLI 與 Claude Code 本身也有差異;用同一個 OpenAI 兼容接口直接調用兩家模型生成分鏡和動畫代碼,可以先剝離 Harness 的影響,看清模型本身的差距。

5.2 用統一接口做環節級對比的代碼示例

下面的極簡示例通過同一個 base_url 調用兩個模型,生成同一條視頻需求的分鏡腳本。模型名稱請以平臺模型列表爲準。

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # API易 統一接口,一個 Key 調用 GPT 與 Claude
)

prompt = "爲一款記賬 App 設計 30 秒豎屏宣傳片:給出 6 個鏡頭的分鏡、旁白和每個鏡頭的時長。"
for model in ["gpt-6-astra", "claude-opus-5-5"]:
    r = client.chat.completions.create(model=model, messages=[{"role": "user", "content": prompt}])
    print(model, r.usage.total_tokens, "\n", r.choices[0].message.content[:300])
查看完整的多輪對比測試腳本(記錄耗時與 Token)
import time
import json
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # 通過 API易 統一調用,便於切換和對比
)

MODELS = ["gpt-6-astra", "claude-opus-5-5"]  # 以平臺模型列表爲準;新模型發佈後直接追加
RUNS = 3  # 每個任務重複運行次數

TASKS = {
    "storyboard": "爲一款記賬 App 設計 30 秒豎屏宣傳片,輸出 6 個鏡頭的分鏡、旁白和時長(JSON)。",
    "remotion": "用 Remotion 寫一個 10 秒的柱狀圖增長動畫組件,數據爲 [12, 30, 45, 80],帶標題與數值標籤。",
    "data_story": "把“某城市 2020-2025 年新能源車滲透率從 5% 升至 48%”寫成 45 秒數據故事視頻的腳本和鏡頭說明。",
}

SYSTEM = "你是視頻導演兼前端動畫工程師,輸出可直接用於代碼驅動視頻製作的內容。"


def run_once(model: str, prompt: str) -> dict:
    start = time.time()
    resp = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": SYSTEM},
            {"role": "user", "content": prompt},
        ],
        max_tokens=4000,
    )
    return {
        "seconds": round(time.time() - start, 1),
        "prompt_tokens": resp.usage.prompt_tokens,
        "completion_tokens": resp.usage.completion_tokens,
        "output": resp.choices[0].message.content,
    }


results = []
for task_name, prompt in TASKS.items():
    for model in MODELS:
        for i in range(RUNS):
            try:
                rec = run_once(model, prompt)
            except Exception as e:
                rec = {"error": str(e)}
            rec.update({"task": task_name, "model": model, "run": i + 1})
            results.append(rec)
            print(task_name, model, i + 1, rec.get("seconds"), rec.get("completion_tokens"))

# 保存結果,隱去模型名後交給評審做盲測
with open("video_bench_results.json", "w", encoding="utf-8") as f:
    json.dump(results, f, ensure_ascii=False, indent=2)

🚀 快速上手:環節級對比需要同時調用 GPT 與 Claude。通過 API易 apiyi.com 用一個 API Key、OpenAI 兼容接口即可切換兩家模型,新用戶有免費測試額度,下一代 GPT 上線後把模型名加進 MODELS 列表就能復跑同一套任務。

5.3 全流程測試的注意事項

環節測試通過後,再在 Codex CLI 和 Claude Code 中跑完整視頻任務,記錄交付率和 ffprobe 檢查結果。人工盲測只評已交付視頻,交付率必須單獨統計,否則會重複 VibeVideoBench 人工測試的盲區。每個任務至少重複 3 次,取均值和方差,避免把單次運行的結果當成穩定性能。


6 決策建議:GPT 與 Opus 5.5 的視頻場景怎麼選

6.1 按場景選擇 GPT-6 Astra 或 Opus 5.5

依據 VibeVideoBench 的分類成績和交付數據,現階段可以這樣分配:

  • 優先 GPT-6 Astra:數據與事實故事、概念與流程解釋、故事類和遊戲類視頻;批量生產、對單位成本敏感的場景,平均任務成本 8.19 美元,P90 成本也更可控。
  • 優先 Claude Opus 5.5:產品與功能展示、音樂驅動視頻、論文解讀;對規格和交付有硬性要求的商業交付,如固定分辨率、時長、必須帶音軌的投放素材。
  • 品牌營銷:兩者得分同爲 4.18,按成本和團隊已有工具鏈決定。

6.2 等待下一代 GPT 還是現在上線

現款兩個模型已經能穩定產出可用視頻,業務無需等待下一代模型。更實際的做法是用第 5 節的方法建立自己的任務集和基線成績,新模型發佈當天復跑,用數據決定是否切換。

💡 選擇建議:兩者差距集中在交付穩定性和成本結構上,最終選擇取決於你的視頻類型和交付要求。建議通過 API易 apiyi.com 用同一批真實任務分別測試,統一接口便於並排比較和後續切換到新模型。


7 最後結論:下一代 GPT 的競爭目標已經不只是追平 Opus 5.5

7.1 GPT 與 Opus 5.5 視頻能力核心要點

  • 現狀:GPT-6 Astra 與 Claude Opus 5.5 在 VibeVideoBench 代碼驅動視頻任務中同處第一梯隊,綜合質量 4.109 對 4.074。
  • Astra 的優勢:視覺美感、多數內容類別得分,以及約低 46.7% 的平均任務成本。
  • Opus 5.5 的優勢:239/239 全部交付、99.6% 規格符合率、更頻繁的自檢。
  • 人工偏好:1242 對 1203,置信區間重疊,統計上無法區分。
  • 下一代信號:內部模型在 BenchCAD 2.0 達到 0.875(Astra 0.594),並展示了萬級 Agent 協作能力;名稱、發佈時間和視頻成績均未公佈。
  • 真正瓶頸:約 75% 的交付失敗源於時間管理,競爭焦點正從生成質量轉向執行與交付。
  • 驗證方式:固定任務、固定環境、多輪盲測、按單位視頻成本覈算,可在 API易 apiyi.com 上用統一接口完成環節級複測。

7.2 競爭終點是完整生產效率

回到標題:GPT 已經趕上 Opus 5.5,現款 Astra 在質量和成本上略佔優勢,Opus 5.5 在交付可靠性上保持領先。OpenAI 內部模型展示出更強的通用能力和多 Agent 執行潛力,下一代通用 GPT 有機會進一步提高視頻製作能力,具體幅度要等發佈後的獨立評測和你自己的業務測試來回答。

接下來的競爭會落在完整生產效率上:從理解創意到輸出一條可靠、精確、可修改的視頻,誰能以更低成本完成更多任務。建議現在就用 API易 apiyi.com 建好自己的視頻任務基線,新模型一上線即可直接對比。


參考資料

  1. VibeVideoBench 官方評測網站:視頻 Agent 排行榜與質量分數
  2. 鏈接: vibevideobench.github.io
  3. 說明: 總體榜單與評測設計概覽

  4. VibeVideoBench 論文:方法論、分類成績、成本、人工偏好與失敗原因

  5. 鏈接: arxiv.org/abs/2610.35864
  6. 說明: 本文表格數據的主要來源,分類成績見 Appendix E.4

  7. Anthropic Claude Opus 5.5 發佈公告:模型定位與官方案例

  8. 鏈接: anthropic.com/claude-opus-5-5
  9. 說明: Opus 5.5 能力與成本變化的官方描述

  10. OpenAI:On the Navier–Stokes Millennium Prize Problem:內部模型與多 Agent 研究

  11. 鏈接: openai.com/index/navier-stokes-solution
  12. 說明: 10,000 併發 Agent、88 小時研究等數據

  13. OpenAI:Accelerating engineering for the physical world:BenchCAD 2.0 內部模型成績

  14. 鏈接: openai.com/index/accelerating-engineering-for-the-physical-world
  15. 說明: 內部模型 0.875 與 GPT-6 Astra 0.594 的對比

  16. OpenAI API Changelog 與模型目錄:發佈進展覈實

  17. 鏈接: developers.openai.com/api/docs/changelog、developers.openai.com/api/docs/models
  18. 說明: GPT-6 Cyber 發佈記錄與當前公開旗艦模型

  19. OpenAI API Deprecations:Sora 2 與 Videos API 關停信息

  20. 鏈接: developers.openai.com/api/docs/deprecations
  21. 說明: 原生視頻生成路線的現狀

作者:API易 技術團隊
技術交流:歡迎在 API易 apiyi.com 首頁聯繫我們交流視頻 Agent 測試經驗,更多接入資料可訪問 docs.apiyi.com 文檔中心

延伸閱讀

Similar Posts