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。
「编程与Agent」频道最新
- Together AI 12 月 15 日直播:用 RL 后训练 Kimi K3.1 完整拆解 — togethercompute · 2026-11-20
- YC F26 项目 GrayPass 两个月 MRR 从 9000 涨到 6.6 万美元 — ycombinator · 2026-11-20
- 谷歌免费发布 2 小时 Harness 工程课,从建 Agent 到自改进图系统 — udmrzn · 2026-11-20
- 《塞尔达传说》林克被接上 Hermes Agent,Teknuitar 欢迎新成员 — Teknium · 2026-11-20
- 开源语音化模型 TontaubeV1:2 万字符文本 2 秒转口语 — EAVDR · 2026-11-20
- Stripe 发布 coding agent 评测:agent 平均仅 29% 达到全部标准 — hazelcough · 2026-11-20