#任务成功率
共 7 条 · 7 天 0 条 · 30 天 1 条
信息流里打上「任务成功率」标签的资讯、产品与论文，按刊登时间排，新的在上。
9月17日
6月17日
6月11日
Claude Fable 5 登顶 Agent Arena 排行榜
做 AI 智能体开发的团队终于有了真实任务驱动的评测基准——Fable 5 在 30 万任务中碾压对手，值得关注其强执行与弱引导的权衡。
Claude Fable 5 在任务成功率与好评率上大幅领先 Opus-4.8 和 GPT-5.5
做 AI 应用选型或关注模型能力排名的开发者，这个评测结果值得一看——Claude Fable 5 在任务成功率上碾压对手，意味着实际落地效果可能更好。
Claude Fable 5 综合排名第一，任务成功率领先18.2%
Claude Fable 5 在任务执行和用户满意度上表现亮眼，做AI应用开发或模型选型的团队值得关注其实际表现，尤其是对工具幻觉的控制能力。
6月1日
SkillsBench 研究：技能可用性显著提升 LLM Agent 任务成功率，呈现粒度影响有限
做 LLM Agent 开发的团队终于有了实证依据：给智能体塞技能文档比纠结怎么写更管用。建议直接参考这个实验设计来优化自己的 RAG 或工具调用策略。
5月23日
微软 Fara1.5 浏览器 AI 智能体模型发布，72% 任务成功率超 OpenAI Operator
做浏览器自动化或网页智能体的开发者终于有了一个开源可用的强基线——Fara1.5 在多项基准上碾压 OpenAI Operator，且附带安全机制，建议直接下载试试。