深度研究走向真执行：Apodex 1.1 与 FrontierChallenge 基准
alifcoder · x · 2026-08-28
Apodex 1.1 把"deep research"推向实际执行：跨文件工作、搜索+代码结合、并行协调多个 agent，且能在任务中途变更时保留有效进度不推倒重来。配套发布：
- 开源仓库 FrontierAgent
- 开源的 Apodex 1.1 mini（35B）
- Web 端与 API
同时推出的 FrontierChallenge 基准（登上 Hugging Face Daily Papers 第 2）测试 agent 能否端到端完成真实科学工作流并交付可验证结果：12 个前沿模型、97 个跨领域任务，最高完整完成率仅 20.6%（GPT-5.6 Sol + Codex 与 Grok 4.6 + Claude Code 并列）；在电化学与环境科学领域，所有被测系统通过率为 0%。
所属事件:Apodex 1.1 发布：开放权重模型与开源 FrontierAgent 框架(9 条相关)→
「编程与Agent」频道最新
- Datadog 发布 Scout 1.0：基于 GLM-5.3 Flash 后训练的低成本 SRE Agent — antoine_chaffin · 2026-10-16
- Marc Lou 公开安利 PostShiba：独立开发者的邮件基础设施新选择 — marclou · 2026-10-16
- RExBench 基准:最强编码 Agent 自主完成研究扩展成功率仅 33% — najoungkim · 2026-10-16
- 开发者把 Pstack skills 装进 Grok bot 与 Hermes agents — alexcovo_eth · 2026-10-16
- past.dev 推出 Agent 长期记忆 API,登顶 BEAM 公开记忆基准 — thisiskp_ · 2026-10-16
- Google 发布 CLASHarness:基准测试多智能体冲突下的计算机操作能力 — google · 2026-10-16