给 Claude 做基准测试:AI 菜谱工具第一关是买瓶好橄榄油
every · x · 2026-09-24
Dan Brundage(前 OpenAI)展示正在开发的 AI 菜谱工具，并请 Matt Hammer 做基准测试。工具的第一个任务是「买一瓶好橄榄油」，展示了 agent 在真实物理世界中执行任务的一角。原帖附带工具执行过程截图。
「编程与Agent」频道最新
- Qoder 编码平台限时免费开放 Qwen3.8-Flash，至 9 月 30 日 — HeyNayeem · 2026-09-24
- 让 Qwen 3.8 Flash Next 通关《博德之门 2》：直播首跑实测 — Reasonable_Friend_77 · 2026-09-24
- 开发者用 DiffusionGemma+vLLM 搭建 100% 本地元搜索引擎 — bodonoghue85 · 2026-09-24
- 实测 265 段录音:语音隔离让开放办公区 STT 错误率 31.8%→6.3% — thetripathi58 · 2026-09-24
- Claude Coders 热传:一条 prompt 审计指令可清理 CLAUDE.md 反模式 — daniel_mac8 · 2026-09-24
- 项目据称由 Claude Opus 5.5 一次成型，仅加一条 prompt 修 bug — Robert_Palgrave · 2026-09-24