机械臂停止测试：多数语言模型完成任务后不知何时收手

Artificial Analysis 通过机械臂任务测试语言模型判断何时停止的能力，Claude Opus 5.5 完成任务后仍徒劳操作了 22 分钟。对比显示，仅 GPT-6.1 Sol 和 Gemini 4 Argon 能在任务完成后 1 分钟内及时收手，其余模型均存在过度操作问题。