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
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11
- 投资分析师求教：如何用 Claude 搭建尽调 Agent 工作台 — Careless_Tie2286 · 2026-09-11