算法论文8

ClawBench：AI agent真实网站任务集体翻车

机器之心2026-09-01

AI 摘要

研究团队发布ClawBench评估框架，让AI在真实网站执行任务，结果显示Claude、GPT、Gemini等模型集体翻车，暴露真实环境交互问题，离‘AI替人干活’还有巨大差距。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Anthropic：Claude后台接管电脑，人机并行时代来了

Anthropic宣布全面升级Claude「计算机使用」能力，操作可在后台完成。该功能处于Beta测试，已向Claude Pro和Max订阅的macOS用户开放。Claude此次更新覆盖多场景，人机并行时代或来临。

最新爆料，Gemini 3.8 Flash明日登场，谷歌已放弃Gemini 3.5 Pro。其编程实力强悍，之前还为Gemini植入智能体视频理解功能，降本提效，可应对多种高难度场景。近期多家AI发布计划撞车，混战升级。

Anthropic 发布 Fable 5.1 后，同步发布《Prompting Claude Fable 5.1》提示词指南，列出 15 个 5.1 跟 Fable 5 在行为上的差异，并附修正提示词。还介绍了 Fable 5 提示词变化，以及 Fable 5.1 的新特性和应对建议。

Anthropic发布Fable 5.1和Mythos 5.1，8项基准测试夺冠，价格最高降45%。展示科研成果，如蛋白质设计、生成金星地图等。上线反蒸馏机制，防止篡改上下文，还给出替代方案。