搜索

OpenDS-World 评测：复杂开放网络搜索中，最佳参评模型准确率为39%（在新窗口打开）

多机构团队提出OpenDS任务范式并构建含200道任务的OpenDS-World评测基准，GPT-6 Astra以39.0%准确率居首，显示AI Agent在真实网络长程搜索与证据整合方面仍面临重大挑战。