还是这个更有力气 

不止 free，实测 expert 也搜不到（ 

所以 6.1 Sol 几乎完美地替代了 Sonnet 5.5（至少作为 subagent）的生态位 独立工作的能力也不错 可以看出 OAI 确实是受到 A\ 的压力了

我记得站里有一个比较幽默感的 Elo Bench 来着，其实上面很多题目真的可以看出有的 AI 很有幽默感（

找到了  表出自这个 2026 年 6 月 14 日立案的起诉书 ![图片](https://cdn3.ldstatic.com/optimized/4X/2/b/6/2b61763f9

Max5x 没 5 倍啊，就三四倍 前段时间相关帖子不挺多吗

 ATFA（开玩笑） 不过问一下真就几秒的事，发一个帖子是特别希望和佬友们互动吗

Let me go~ Let me write the JSON~  哔哩哔哩 ![图片](https://cdn3.ldstatic.com/optimized/4X/0/c/f/0cf2edaf6bd8fd

这个榜也不能全信（ 应该是测输入胡编乱造的信息，看模型会不会顺着继续编。但是模型对着工作结果编报告，情景和此 Benchmark 的可能就不完全相同了 之前用 Opus 4.8 的时候体验也比较差，谎话连篇

BullshitBench，可作参考 

> 小团队用的sub2api 自建吧，这不是说得挺清楚吗 ^-^

假如是 Any 呢，又如何评价 不过有一说一这人应该只是搜索了一遍，没实际试。实际可用的应该会少很多 至少我发完密钥这些是会马上轮换的

咋不提肥波，确实是 > 其他没用过 吗（

不横向比较，只内部比较的话，Claude 5x 性价比较高，GPT 5x 性价比较低

就是从某个中转群稍微改了几个字复制过来的吧？我觉得是不是标转载好一点……

听说账号降智可能导致限额按降智模型计算，更便宜，于是限额更多^-^

像是用了 image2，这个 claude 没招（

实际上个位数是没开思考回传（ OAI 自己之后打开了也到三十多了来着，发过一篇文章

有没有可能是紧急修复了会暴露的问题（

/vercel-labs/agent-browser

都不用，用 agent-browser ^-^ 既可以共享登录态，操控也比较精确，省 token 缺点可能就是相比贴主所述的两个，自己也在用浏览器的时候可能和 agent 的相互影响大一点（如果共享登录态）

好像确实比 DS 质感高级 > 效果感觉比灰度测试稍微差一点点，但是体感比Opus4.8强一些，我现在更好奇灰测到底是什么情况了。 > 最重要的是全程思维链里面没有let me。 > 开头是The user wants…… > [image] > 这是我在B站刷到的一个视频，然后把提示词复制过来让他做的，一轮对话全部做完。 > 效果非常厉害，考虑到它没有视觉，我非常满意了。 > [image] >

相信大家还是希望服务和价格都到位的商家能长久做下去 hlool 不要因为外部因素而过度消耗自己了，无论是金钱还是情绪