推荐文章8

Anthropic 揭秘 AI Agent 评估体系

AGI Hunt2026-01-09

AI 摘要

Anthropic 团队：AI Agent 强大但评估棘手，有效评估需组合技术。介绍了评估结构、不同 Agent 评估方法、处理非确定性指标、构建路线图等，强调评估可加速开发且应结合多种方法。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Fable 5.1泄露，Claude全球大宕机！

今日，Fable 5.1被曝开启灰度测试，部分Claude用户已免费试用。推测其可能很快全量推送且不涨价。此前Fable 5因性能强受限，开发者期待5.1版。同日Claude全球大宕机，Anthropic正冲刺万亿估值。

豆包工作任务新增本地电脑和云电脑切换模式，补上AI Agent关键工作条件，产品定位改变。其优势是低门槛且能力提升，虽Agent不够稳定，但有望成全民工具，推动AI进入大众生活。

OpenAI联合创始人兼总裁Greg Brockman在Blog中警告，前沿AI Agent能自主找漏洞并发动网络攻击，AI降低攻击门槛，防御端却未跟上。他分享OpenAI四项安全措施及防御者十项举措，呼吁行业共建安全生态。

2026年上半年，AI行业面临盈利难题，AI Coding虽火热，但旅游等领域落地AI更具挑战与潜力。飞猪升级AI能力推出「飞猪帮帮」，能办事、融合交互方式，还解决通用模型痛点，不过落地成闭环仍需供应商适配。