5000词需求文档,Claude也只能交付14%!实测28种Agent组合
5000词需求文档,Claude也只能交付14%!实测28种Agent组合如今Agent已经能熟练调用工具、修改文件、运行测试,但面对一个长期演进的大型软件系统,它能否从一份新需求出发,交付完整功能?
来自主题: AI技术研报
8718 点击 2026-11-05 10:20
搜索
如今Agent已经能熟练调用工具、修改文件、运行测试,但面对一个长期演进的大型软件系统,它能否从一份新需求出发,交付完整功能?
AI究竟该被允许比人类聪明多少?
经过决策训练的语言模型,重新打开生成开关后,未必还能稳定地推理。在研究者的实验中,4B 模型在约 40% 的问题上几乎不生成推理;9B 模型则走向另一端,在约 70% 的问题上持续生成,直到触及长度上限。
“从GPU卡时到Token交付,算力竞争正从硬件规模走向运营效率。 ”
由前 Manus 成员 Cecilia 与 Tianyi 创立的 Persom 推出本地优先的 Personal Agent,在用户授权下将电脑中的工作与生活上下文沉淀为可由其他 Agent 调用的 Personal Database,并持续沉淀工作流与个人判断。
Hy4也正为递归自我改进(RSI)做准备。
重点优化开发流程和手机端体验。
OpenAI的下一张王牌,已经备好。
就在今天,OpenAI推出了AGI新标准。
OpenAI,你也留不住人呐,我看。