Agent's Last Exam
由UC Berkeley联合主导、覆盖55个行业、300位专家参与设计的AI评估基准，采用全自动化评分机制，专注于抗训练数据污染，涵盖法律合规、生物信息学、金融建模等高度专业化领域
核心事实
时间轴 (近 90 天)
在 OpenAI 的 Agent's Last Exam 基准测试中，中等推理档的 Terra 比上一代高 15 个百分点，成本只有三分之一，表现接近 Astra，而每个 Token 价格只有 Astra 的十分之一。
Agent's Last Exam成绩从69分提升至77分。
据 OpenAI 公布的数据，在 Agents Last Exam 基准测试中，中等推理强度下 GPT-6.1 Terra 得分 57.6%，GPT-5.6 Terra 得分 42.6%，提升了 15 个百分点。
DeepSeek V4.1 Flash 1017在Terminal Bench 4.0上从31.2升至42.3，Program Bench从20.2升至42.3，Agent's Last Exam从31.8升至35.4，Apex Bench从64.6升至72.1，Chartography从78.9升至83.0，Baby Vision从89.6升至92.5。
GPT-6 Astra在UC Berkeley设计的Agent's Last Exam上刷新了SOTA，且成本远低于Fable 5
在Agent's Last Exam、ZeroBench、DeepSWE三项测试中，V4-Flash-Vision-Exp成绩反超Opus 4.8
全部知识事实 (4)
据 OpenAI 公布的数据，在 Agents Last Exam 基准测试中，中等推理强度下 GPT-6.1 Terra 得分 57.6%，GPT-5.6 Terra 得分 42.6%，提升了 15 个百分点。
70%待验证在 OpenAI 的 Agent's Last Exam 基准测试中，中等推理档的 Terra 比上一代高 15 个百分点，成本只有三分之一，表现接近 Astra，而每个 Token 价格只有 Astra 的十分之一。
50%待验证Agent's Last Exam成绩从69分提升至77分。
50%待验证GPT-6 Astra在UC Berkeley设计的Agent's Last Exam上刷新了SOTA，且成本远低于Fable 5
50%