GBENCH 评测：OpenAI 三款模型包揽前三，Anthropic 专注编码助手

GBENCH 基于 100 个未饱和的编码与工程环境评测模型，OpenAI 的 GPT-6 Astra、GPT-6.1 Sol 和 GPT-6.1 Terra 以 83.3、82.0、77.2 分包揽前三。Claude Opus 5.5 以 76.7 分居第四，Claude Fable 5.2 在 agent 编码任务中会主动暂停并向人类求助澄清。