开源动态7
红杉发布 AgentIF - OneDay 评测体系
特工宇宙
AI 摘要
红杉中国 xbench 发布 AgentIF - OneDay 评测体系，以人类一天任务复杂度为基准。测试发现主流 Agent 完成任务能力相近，但在任务领域和能力维度有差异，未来 Agent 或向持续学习发展。
阅读原文 · 特工宇宙
AgentIF-OneDay 发布，评估全场景长时复杂任务
红杉中国 xbench 发布 AgentIF - OneDay 评测体系，用于评估大模型解决复杂任务的能力。该体系从任务复杂度新视角出发，沿 Scaling Context 和 Scaling Domain 推进，构造了三类典型任务进行测评，揭示了主流 Agent 的能力边界。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
推荐文章8
AI Coding催生柔性软件新形态
本文为王博在《AI原生软件研发成熟度模型AISMM 2026》白皮书发布之际撰写，探讨AI Agent介入后软件形态、研发流程的变革，提出柔性软件概念与传统软件柔性化路径，为企业AI原生研发提供参考。
AI科技大本营
产品应用9
阶跃发布首款Agent手机STEPX Neo
本文作者实测体验阶跃终端推出的首款大模型原生Agent手机STEPX Neo，介绍了产品设计、原生Agent系统能力、创客开发生态与系统级安全方案，公布了产品定价与用户福利。
量子位
产品应用8
马斯克推出X AI四合一付费套餐
本文是作者池建强的亲身体验分享，介绍马斯克xAI推出的Grok、Grok Bot、Cursor、X蓝V四合一付费套餐，分析其性价比、产品力与商业逻辑。
MacTalk
开源动态9
Pi 1.0发布 接入曾骂过的MCP
本文编译自Pi团队播客访谈，Pi迎来1.0大更新，推出全新长时持久Agent框架Pi Durable，正式接入此前骂了一年的MCP协议，深度讨论AI编程能力边界与未来方向。
InfoQ