开源动态8

腾讯 WorkBuddy 开源评测，曝光多模型底牌

PaperAgent2026-08-04

AI 摘要

腾讯 WorkBuddy 团队开源 Benchmark，公开多模型选型底牌。如 GLM - 5.2 在安全域强，GPT - 5.5 最省 token，Claude Opus 综合强。各赛道评测有特色，不同模型在各赛道表现差异大。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

SWE - Touch揭示Coding Agent共享协作能力缺口

当前基于大模型的Coding Agent是热门研究方向，现有评测多假设其独占代码仓库。中科院自动化所团队构建SWE - Touch框架，对9个前沿模型测试，发现用户干预下模型性能下降、排名洗牌。

新工作MLS - Bench覆盖12领域、140个研究任务，评测前沿模型科研能力。虽模型工程执行强，但科学发现能力弱，当前仍难提出有效算法创新。其评测已纳入Kimi K3和Qwen3.8 - Max官方发版表。

文章介绍用 OpenCode 结合 DigitalOcean 推理路由器开发点球大战游戏 PK Shootout。其按任务选模型，多数任务路由到 MiMo V2.5 和 GLM - 5.2，成本约 8.25 美元，远低于只用前沿模型。文中还分析开发各环节及适用场景。

Anthropic新模型Opus 5登场，多项评测中追平或反超Fable 5，价格仅为一半。网友实测表现出色，还具备硬核自检流程，性价比高。另外，Claude Code提示词删减八成，成绩未降。