新基准 Company Agent Bench:Gemini Neon 以 87.4% 领跑公司助手评测
philhchen · x · 2026-11-21
philhchen 团队发布 Company Agent Bench——评测公司助手类 agent 产品对自家公司理解程度的基准,并公布了首批结果:
- Gemini Neon 以 87.4% 登顶,领先 Claude Fable 5.2(82.2%)和 GPT-6.2 Astra(79.7%)。
- 即使在低推理努力档位,Gemini Neon 也得 85.3%,在各档位上全面超过 Fable 5.2、Opus 5.5、GPT-6.2 Astra 和 GPT-6.2 Sol。
- 有趣发现:API 模型配简单 harness 的表现优于这些成品产品;被测产品包括 Dots、Grok Bot、Claude Tag、Devin。
- 作者暗示 Google 可能即将推出新的公司 agent 产品。
「编程与Agent」频道最新
- 海均 Xia 反驳「UI 已死」论:聊天本身就是 UI,且远不足以支撑人机协作 — sh_reya · 2026-11-21
- Vespa 创始人创办 Hornet:打造 agent 时代检索基础设施 — jobergum · 2026-11-21
- 同任务实测:腾讯 Hy4 Flash 7 分钟完成,DeepSeek 花 90 分钟 — HeyToha · 2026-11-21
- Antigravity 新增 /teamwork:同时指挥多个 Agent 像当中层管理 — venturetwins · 2026-11-21
- Zed CEO 吐槽 AI 刷 PR:开 100 个 PR 修 bug 不如开 1 个 — zeeg · 2026-11-21
- Cohere 研究员在 Agent Evaluation Science Symposium 谈编程 Agent 评测重构 — nouhadziri · 2026-11-21