Frontier-Bench 上线：74 个 Agent 任务，顶级系统仅 34%
ajratner · x · 2026-07-24
Frontier-Bench 上线了，这是一个面向 agent 工作 的新基准，由 Terminal-Bench 和 Harbor 背后的团队打造。
它的定位不是一次性静态榜单，而是“随着前沿 agent 能力一起演进”的持续基准。当前 v0.1 版本包含 74 个任务，团队称最强 agent 的得分大约只有 34%。
帖子里还提到，SnorkelAI 作为 task author 和数据合作方参与了：
- 全局测试与纠错
- 类别 taxonomy 构建
- benchmark 任务设计
整体来看，这是一个偏研究与评测工程的发布，而不是单纯产品宣传。
所属事件:Frontier-Bench v0.1 发布，最强智能体仅得 34%(5 条相关)→
「研究」频道最新
- LightMTP：轻量潜空间多 token 预测助 LLM 预训练学会提前规划 — gdm3000 · 2026-10-27
- EMNLP 研究：AI 翻译小说读得顺，但质量波动远大于人类译本 — tuvllms · 2026-10-27
- 实验猴荒：中国 3-5 万美元一只，繁育周期 4 年成药物临床前瓶颈 — zebird0 · 2026-10-27
- OpenAI 基金会资助 UNC 肿瘤抗原研究，招聘资深实验科学家 — iskander · 2026-10-27
- 研究者定向干预注意力头：向上提升诚实，向下压制道德虚无 — edelwax · 2026-10-27
- 研究表明神经元足以做电路分析，transcoder 增益有限 — burny_tech · 2026-10-27