产品与应用

Hugging Face 推出开放 AI 智能体排行榜(Open Agent Leaderboard)

原文标题:The Open Agent Leaderboard

AI 摘要

Hugging Face 发布开放 AI 智能体排行榜,用于比较完整智能体系统而非仅底层模型,并同时报告成功率和每次任务成本。排行榜统一了六项已有基准测试(SWE-Bench Verified、BrowseComp+、AppWorld、tau2-Bench Airline & Retail、tau2-Bench Telecom),覆盖代码修复、网络研究、个人任务、客服和技术支持。通过统一协议,各智能体系统以相同接口连接所有基准。结果显示相同模型搭配不同智能体系统会产生显著不同的分数和成本。配套 Exgentic 框架用于运行和复现评估,相关论文开源。

关键信息

  • Hugging Face 发布开放 AI 智能体排行榜,用于比较完整智能体系统而非仅底层模型,并同时报告成功率和每次任务成本。
  • 排行榜统一了六项已有基准测试(SWE-Bench Verified、BrowseComp+、AppWorld、tau2-Bench Airline & Retail、tau2-Bench Telec…
  • 通过统一协议,各智能体系统以相同接口连接所有基准。
  • 结果显示相同模型搭配不同智能体系统会产生显著不同的分数和成本。
  • 配套 Exgentic 框架用于运行和复现评估,相关论文开源

速览

发布时间
更新时间
来源
Hugging Face 社区博客(混合发现)
分类
产品与应用
AI 评分
64
阅读原文 前往信息源阅读完整正文
推荐理由

以后选agent不能只看模型跑分了,这个榜单把整个系统拉出来比,成本、失败成本全摊开,做agent的可以立刻去查自己架构差在哪。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:Hugging Face 推出开放 AI 智能体排行榜(Open Agent Leaderboard)。2026年5月18日。https://new.nat6.net/news/cmpbbpl0f161tslnzxbl442c4/

查看全部 →
  • Grok现已支持视频理解与分析

    Grok可以处理视频了 [引用 @XFreeze]:你现在可以将整个视频上传给Grok,让它实时为你分析、总结、翻译、解释场景或提取重要上下文。 Grok能够理解完整的视频——而不仅仅是图像和文本。 它具备原生多模态能力和极其强大的视觉理…

    X:Elon Musk (@elonmusk, xAI)产品与应用AI 评分 75

  • 在OpenClaw中使用Grok

    5月22日,xAI宣布,其用户现可在开源个人助理OpenClaw中直接使用Grok模型。所有持有SuperGrok或X Premium订阅的用户均可使用该功能。OpenClaw是一个开源的、本地优先的智能助手,可在多种硬件上运行并保持跨会…

    xAI:News(网页)产品与应用AI 评分 60