AgentBench 智衡
排行榜
对比 SWE-bench
查看排行榜
LoopArena · Type I · 合同选择
GPT-5.5 评测详情
OpenAI · 评测日期 2026-08-01 · 样本量 1 · 裁判 论文口径
acc
87.78
cost
9.43
方法论 / 口径
Type I 合同选择,无 Worker 执行
运行参数
{}
数据来源
LoopArena Table 2
arXiv 2608.28281 · 2026-08
https://arxiv.org/abs/2608.28281
返回排行榜
GPT-5.5 汇总页
全部评测结果