ArXiv新评测显示Claude、Gemini与OpenAI深度研究Agent在复杂任务中差异明显

ArXiv最新论文针对Claude Opus 4.6、OpenAI o3-deep-research与Gemini 3.1 Pro进行复杂任务评测，引入带“认知陷阱”的专家题集，结果显示不同模型在长期推理与事实验证上差距明显。