Frontier-Bench 上线：74 个任务，最强 agent 约 34%
giswqs · x · 2026-07-24
GeoLibre 发布了 Frontier-Bench v0.1，这是一个新的 agent 工作评测基准，用来衡量并持续跟踪前沿 agent 的能力。
- 当前版本包含 74 个任务。
- 官方表示，最强 agent 在这版上的得分大约只有 34%。
- 这个 benchmark 由 Terminal-Bench 和 Harbor 团队打造，是一个持续演进的社区项目。
- SnorkelAI 表示自己通过 Open Benchmarks Grants 计划，作为任务作者和数据合作方参与其中。
所属事件:Frontier-Bench v0.1 发布，最强智能体仅得 34%(5 条相关)→
「编程与Agent」频道最新
- 工程师身份危机蔓延:多智能体系统正在重定义软件工程问题 — rakyll · 2026-10-26
- 零基础学员经 AI 辅导也能跑通完整 CI/CD 流水线 — curious_vii · 2026-10-26
- Ruff 作者感叹:前沿模型能在任何软件里找到无穷多 bug — charliermarsh · 2026-10-26
- 开发者实测同一 skill 跨 Opus 5.5 与 Sol 6.1:指令遵循表现参差 — lucasmeijer · 2026-10-26
- 用小开源模型逆向工程游戏二进制:主 agent 中途重写子 agent 的 harness — yb2698 · 2026-10-26
- ContractSim：首个评估 LLM 自然语言合同谈判的框架 — xuanalogue · 2026-10-26