Stardock CEO 实测 agent 跑分：5 项任务仅过 2 项，专业级工作还不行
draginol · x · 2026-10-19
Stardock 创始人 Brad Wardell（draginol）晒出一份 agent 基准测试结果：5 项任务只通过 2 项，平均分 0.63、共 38 步。失败的包括 margin decline driver（超硬性操作上限 10 次）、JS 零值序列化 coding 任务（超上限 11 次）和 SaaS churn recovery（0.79 分）。他感叹「还得再打磨」，并向专业做这类评测的 reviewer 致敬——以此说明当前 agent 在复杂专业任务上仍未达可用水平。
「编程与Agent」频道最新
- Design Arena 用 6.4 万生成网站算出各家模型「风格向量」 — ycombinator · 2026-10-19
- 用 Claude Code 破解智能电视：接入决策模型让电视只听意图 — maximelabonne · 2026-10-19
- AI 语音代理打电话给滑雪店咨询 demo 细节，完整通话实录曝光 — SeanOliver · 2026-10-19
- 五阶段 AI Agent 工程学习路线:状态机、MCP、从零写服务器 — ramagetime · 2026-10-19
- 开发者吐槽 AI 实验室高级价格歧视:额度一周就过期还得用慢模型 — NYCounihan · 2026-10-19
- Claude 与 Codex 互相甩锅：各自称对方写错，仅 72% 真能修好 — jkubicki · 2026-10-19