Deepnote 发布 Agent Initiative Benchmark 评测,通过模拟真实公司 Slack 环境测试 12 个 AI 模型的「同事靠谱度」,结果显示 OpenAI 的 GPT-6 系列在性能与成本平衡上领先,而 Anthropic 模型虽快但成本极高。