开源动态8

OccuBench评测：AI Agent谁最强？

AI科技评论2026-04-15

AI 摘要

通义千问团队和港中文研究者构建OccuBench评测AI Agent。评测15个模型发现无全能选手，隐式故障难应对，大模型表现更优，做Agent和环境模拟器能力有别，还展示三个案例。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

DeepSeek新模型：性能优且千元图成本不到20美分

DeepSeek首个多模态视觉模型deepseek-v4-flash-vision-exp上线DeepSeek API平台。文本能力与V4-Flash持平，多模态Agent能力逼近Opus-4.8，分析1000张图成本不到20美分，还上线免费Files API。

Anthropic的frontend - design是Claude首个广泛使用设计技能，Impeccable由此起步并扩充功能。它有一次设置流程、23条命令、59条确定性检测规则等，还给出反模式，介绍多种安装方式及使用方法。

8月18日，IJCAI 2026大会上，研究卓越奖得主Nick Jennings回顾智能体发展历程，指出当下智能体AI火热，它并非新概念，而是经数十年积累。还分享经验，展望从智能体到智能社会的未来。

本文分享基于阿里云 AgentLoop 平台的 DeepSeek Harness 评测实践。介绍了 DeepSeek Harness 工程架构，阐述 AgentLoop 平台接入方式及价值，还详述评估器设计思路、展示评测结果，最后总结方法论并展望后续工作。