OpenAI 研究員 Noam Brown 表示，GPT-5.5 在 Agents' Last Exam（ALE）基準中排名第一，且按模型 token、成本或牆鍾時間衡量同樣表現最佳。ALE 由 @dawnsongtweets 團隊創建，是一個滾動基準，包含超過 1500 個專家任務、覆蓋 55 個職業，測試 AI AI 代理能否執行實際經濟價值工作。評估對象包括 GPT-5.5、Fable 5、Composer 2.5 等前沿系統。結
OpenAI 研究員 Noam Brown 表示，GPT-5.5 在 Agents’ Last Exam（ALE）基準中排名第一，且按模型 token、成本或牆鍾時間衡量同樣表現最佳。ALE 由 @dawnsongtweets 團隊創建，是一個滾動基準，包含超過 1500 個專家任務、覆蓋 55 個職業，測試 AI AI 代理能否執行實際經濟價值工作。評估對象包括 GPT-5.5、Fable 5、Composer 2.5 等前沿系統。結果顯示：當前AI 代理能解決部分專業任務，但在需要持續推理和深度專業知識的最難層級，所有被測前沿AI 代理（包括 Fable 5）成功率為 0%。
AIHot 在近 24 小時資料流中收錄了這則來自 X：Noam Brown (@polynoamial) 的消息。原始條目的重點是：OpenAI 研究員 Noam Brown 表示，GPT-5.5 在 Agents’ Last Exam（ALE）基準中排名第一，且按模型 token、成本或牆鍾時間衡量同樣表現最佳。ALE 由 @dawnsongtweets 團隊創建，是一個滾動基準，包含超過 1500 個專家任務、覆蓋 55 個職業，測試 AI AI 代理能否執行實際經濟價值工作。評估對象包括 GPT-5.5、Fable 5、Composer 2.5 等前沿系統。結果顯示：當前AI 代理能解決部分專業任務，但在需要持續推理和深度專業知識的最難層級，所有被測前沿AI 代理（包括 Fable 5）成功率為 0%。。本站不直接複製原文，而是將它整理成可供工作室決策使用的觀測紀錄。
這篇觀測文保留來源脈絡：來源站名為 X：Noam Brown (@polynoamial)，來源網域為 x.com。若原始內容含圖片、影片或社群串文，本站只提供入口，不重製未授權媒體。
它和 Agent 工作流直接相關，可能影響白總、BUILD-SITE、BUILD-SYSTEM 或 Codex 類任務的協作方式。下一步不應只收藏連結，而要看是否能降低切換成本、提高驗收品質，或補上安全審查。
先閱讀原始貼文或影片脈絡，確認是否有 demo、截圖或實際連結；可轉成社群短評，但不直接當成已驗證事實。
