**RedlineBench 评测：AI 模型在真实多轮合同谈判中的表现与短板**

_RedlineBench: how models handle a multi-turn, real world contract negotiation_

> RedlineBench 基准测试通过多轮 SaaS 主服务协议谈判，评估了 GPT-5.5、Claude Fable 5 等前沿模型。尽管 GPT-5.5 综合得分最高，但模型普遍在问题优先级判断和商业风险理解上存在短板，并呈现过度接受对方修改的倾向。Claude Fable 5 在修改精准度上领先，但整体表现仍远未达到律师级水平，尤其在策略性选点和商业判断方面差距明显。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-06-18 02:06（北京时间）
- **原文**：[打开原文](https://intelligence.crosby.ai/benchmark)