OnchainBench 发布:测试加密 agent 能否安全持有你的私钥

DavideCrapis · x · 2026-11-20

Valory 推出 OnchainBench,一个面向加密场景 AI agent 的基准:让 agent 在分叉链上执行真实的链上任务(swap、借贷、交易等),由独立 checker 直接读取链上结果,而非听信 agent 的自我报告。

核心考察三个问题:任务能否完成(如买了两个代币却没加进流动性池算失败)、任务成本是否高于收益、以及 agent 是否会被网页/文件/工具描述中的恶意内容诱导把资金转到错误地址——链上没有撤销键。

当前规模:147 个 held-out 任务、53 个安全孪生任务、9 条链。榜单(held-out 组)前列:Claude Code + DeepSeek V4.1 Flash 完成率 96.2%(单次成本 $0.03);Claude Code + Opus 5.5 为 94.0%;OpenClaw + DeepSeek V4.1 Flash 为 93.3%;Codex + GPT-5.6 Sol 为 92.9%。榜单使用配对 95% 置信区间,区间含零则不构成排序。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →