产品与应用

PawBench:给通用智能体一把可度量的尺

AI 摘要

通义实验室推出全新评测基准PawBench v1.0,面向个人助理与通用智能体场景,将底座模型与运行框架Harness纳入同一体系进行交叉评测。评测矩阵包含9个模型与3个Harness(Hermes、OpenClaw、QwenPaw),覆盖150道真实任务共4050个测试单元。结果显示,QwenPaw(76.4分)、OpenClaw(75.4分)、Hermes(70.4分)之间存在显著分差,Harness环境对表现的影响甚至大于模型本身。PawBench还通过切片分析揭示了Harness在产物校验、Skill主动发现和Web搜索默认可用性等方面的关键差距。项目已开源。

关键信息

  • 通义实验室推出全新评测基准PawBench v1.
  • 0,面向个人助理与通用智能体场景,将底座模型与运行框架Harness纳入同一体系进行交叉评测。
  • 评测矩阵包含9个模型与3个Harness(Hermes、OpenClaw、QwenPaw),覆盖150道真实任务共4050个测试单元。
  • 结果显示,QwenPaw(76.
  • 4分)、OpenClaw(75.

速览

发布时间
更新时间
来源
公众号:通义实验室(千问)
分类
产品与应用
AI 评分
70
阅读原文 前往信息源阅读完整正文
推荐理由

PawBench 把 Harness 从‘看不见的手’变成可诊断的变量,好 Harness 能让弱模型以下克上,这份评测对 Agent 框架开发者是一份必读的校验清单。

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:PawBench:给通用智能体一把可度量的尺。2026年6月5日。https://new.nat6.net/news/cmq2o71l001imsl6nw5cypu9a/

查看全部 →
  • Grok 推出 worktrees 并行智能体

    Grok 现已支持 worktrees。worktrees 是代码仓库的轻量级副本,允许在独立工作区中并行运行 AI 智能体,可通过主页或 `grok -w` 使用。

    X:Elon Musk (@elonmusk, xAI)产品与应用AI 评分 66

  • 社区基于MiniCPM-V 4.6打造财务分析工具AccountingLLM

    社区开发者使用面壁智能MiniCPM-V 4.6构建了AccountingLLM(quaesto.com),用于自动化财务文档分析。该工具可上传IPO招股书、年报或审计文件,自动从复杂PDF中提取财务表格、重建跨页表格、对照会计等式检查关…

    X:面壁智能 OpenBMB (@OpenBMB)产品与应用AI 评分 66

  • 在 Design Mode 中通过视觉提示直接指挥智能体

    Cursor 更新 Design Mode,支持点击元素、在页面上绘制区域或语音描述来向 AI 智能体传达修改意图。智能体将元素身份(xpath、组件、属性、计算样式等)与页面截图一并纳入上下文,快速定位源代码并高效编辑。借助 Compo…

    Cursor Blog产品与应用AI 评分 74

  • 开源鸿蒙 OpenHarmony 具身智能版本 EmbodiedAI 1.0.1 发布

    6月5日,开源鸿蒙具身智能PMC(筹)发布EmbodiedAI 1.0.1版本。该版本聚焦机器人控制与智能体应用,升级导航规划、运动控制、仿真开发、硬件适配等核心能力,兼容ROS生态、机器人模拟器及多种本体形态。集成开源鸿蒙原生模拟器、M…

    IT之家·人工智能产品与应用AI 评分 72

  • Viggle_PINOC 免费动捕测试开启

    Mocap 不需要套装、工作室或数千美元。 使用 @Viggle_PINOC,任何人都可以简单地拍摄自己,并将该视频转换为动作捕捉。 我们仍处于测试阶段,且对所有人完全免费。试试看,告诉我们你还想看什么!

    X:Viggle AI (@ViggleAI)产品与应用AI 评分 65