
37万次真实会话实测Agent榜单:GPT-5.5High第一,Claude最稳,真实干活能力看这五项核心指标 (opens in a new tab)
6月4日,Arena.ai发布Agent Arena排行榜,用373,431次真实会话的数据,给18个主流模型的Agent能力排了个座次。先看总榜。Agent Arena的排名依据是“净改进”(Net Improvement),用因果推断方法算出每个模型相对于随机基线的性能提升幅度。正值代表比随机选择更好,负值说明不如随机。
Total 1876 articles

6月4日,Arena.ai发布Agent Arena排行榜,用373,431次真实会话的数据,给18个主流模型的Agent能力排了个座次。先看总榜。Agent Arena的排名依据是“净改进”(Net Improvement),用因果推断方法算出每个模型相对于随机基线的性能提升幅度。正值代表比随机选择更好,负值说明不如随机。

OpenAI又整出大动静了! 刚刚,YC S22的明星创业公司Instant宣布:整个团队正式加入OpenAI。 而大约一周前,Instant才刚刚发布1.0版本,云托管服务将持续运行至8月31日。 万名客户挥泪告别这一平台。 但对OpenAI来说,这笔收购的战略意图非常清晰:给Agent补上「记忆层」。 OpenAI继续押注Agent Harness 这场收购,看似突如其来,实则早在两年前,就已埋下了伏笔。 2024年,Instant团队宣布完成了一笔340万美元的种子轮融资。投资阵容豪华,堪称「神仙打架」: 投资方包括Y Combinator和SV Angel,以及多位知名天使投资人,如前

openJiuwen 解读 HyperAgent 的八项特征与 AgentOS 分层,介绍持久状态、多智能体协作和分布式运行,并区分已实现能力与后续架构方向。

Lyzr 的为其 Agent B 轮融资开展外联活动。该轮融资据公司称有望筹集 1 亿美元,估值约为 5 亿美元。Agent 回应了来自 130 多位投资者的查询,并协助起草了数十份投资备忘录。最终,这家获得 Accenture 支持的公司吸引了来自硅谷基金、中东风投公司和金融行业投资者共计 4 亿美元的兴趣。

员工的AI,还是AI的员工? 2026年的AI,一道新的分水岭正在涌现。 大模型的能力仍在进化,但“对话”已经不再新鲜。企业客户开始追问一个更务实的问题:这东西到底能替我干多少活? 所有人的注意力,已经从“模型有多大”转向了“agent有多可靠”。OpenAI、谷歌、Anthropic纷纷推出agent编排框架,创业公司则扎进更垂直的场景——法律、财务、营销、客服。赛道从“百模大战”,变成了“百agent大战”。 在这场 agent 竞赛中,CREAO 是一个独特的存在。这家很早就起步的硅谷创业公司,要如何应对巨头的竞争?他们的护城河在哪里?每年1440美元的订阅费,用户为什么愿意买单? 带着

刚刚,Linux 基金会正式宣布推出智能体 AI 基金会(Agentic AI Foundation,简称 AAIF)。据公告披露,AAIF 定位为 AI 智能体(AI agents)相关开源项目的中立托管平台,全球几乎所有科技巨头均已签约成为该基金会成员。Anthropic、OpenAI 与 Block 三家公司作为联合创始成员,将贡献三大开源项目,构成基金会启动初期的支柱。

首次将GUI Agent模型与完整配套基建同步开放,支持手搓党一键部署!这就是阶跃星辰刚刚开源的GELab-Zero。其中4B版本的GUI Agent模型在手机端、电脑端等多个GUI榜单上全面刷新同尺寸模型性能纪录,取得SOTA成绩。

「我们想解决的不是 『做 AI 工作流』,是『根本不需要有工作流』。所有要求用户『预先构建工作流』的 Agent 都是错的。」在 Agencize AI 产品发布之前,我们和张浩然聊了聊他对于生产力工具和工作流的看法,以及 Agencize AI 的真正竞争力。

现场火速实测vivago R1。 智东西9月8日报道,智象未来今日宣布,其无限时长创作智能体vivago R1正式上线。这款产品此前于7月发布,历经近两个月内测打磨后正式对外开放。 智象未来称,这是全球首个具备无限时长视频生成与编辑能力的多模态创作智能体。 据现场工作人员介绍,vivago R1可以通过Agent模式,让视频生成突破30秒的限制,一次性生成时间更长的完整视频,并提供更稳定的输出,让商业化创作更便捷、成本更低。 智东西在现场进行了简单的实测,用vivago R1创作了一段60秒的华强卖瓜鬼畜视频。 01.通用Agent轻松调用现场演示跑步视频 产品设计思路上,vivago产品负责

天下武功,唯快不破。 本周 Google I/O 大会上,谷歌发布了最新模型 Gemini 3.5 Flash。 Google I/O 大会发布 Gemini 3.5 Flash|图片来源:youtube 有趣的是,隔一天国内 Qwen3.7-Max 也发布了,并且两个模型都号称自己在 Agent 场景上做了深度优化。 我看到他们的第一反应是:又是新一轮「模型大战」,国内外厂商再次开启跑分竞赛。 但这次我花了两天时间实测之后,我发现Gemini 3.5 Flash 给我最大的感受不是它有多聪明,而是它的速度快到让我不得不重新想一个问题: 当模型的响应速度从「能用」变成「实时」,整个 Agent