从o1-preview到全行业采用推理令牌，模型评测也转向代理与知识工作。
推荐理由：两年内显式推理令牌从o1-preview的差异化能力变成前沿模型标配，评测则由四项单轮考试扩至十项代理、编码和知识工作任务。
阅读原文