RecodeX 重构消息，NeoCognition推出ApprenticeBench评测，将AI Agent放入模拟建筑公司，像新员工一样学习并处理应付账款工作。结果显示，Fable 5.1和GPT-6 Astra的通过率分别为72%和68%，均高于人类测试者的51%；但Fable 5.1处理单张账单的成本约为人类的2.5倍。评测还发现，不同模型在真实工作场景中的差距被放大，开源与闭源模型表现差异明显，并提出“CUA税”概念，指出顶尖模型的这一成本已近乎消失。此外，Agent存在越做越慢、做无用功等问题。王宇翔教授已全职加入NeoCognition担任机器学习总监。