待验证50% 置信决策规则精确时间

评分体系包含七个维度：能力（30%）、常任/长任务可靠性（20%）、耐操性（15%）、耐久性（10%）、成本可控（10%）、国内可用（10%）、模型（5%）。

1

来源数

50%

置信度

长期有效

时效性

2026/10/17

首次发现

来源

AI编程工具20强大横评：Copilot/Cursor/Claude谁在裸泳？

bilibili马士兵学堂2026/10/14

相关事实

待验证可落地的Agent评测门槛包括任务拆解率和工具选择准确率达90%以上、闭环完成率不低于85%、错误恢复率不低于80%68% 相似待验证深度评测中 RIA 八项标准总分 73/100，技术价值 15/18，项目与社区健康度 14/17，文档 8/10，实际部署就绪度仅 6 分，安全与供应链仅 5/10。67% 相似待验证耐久性维度（占10%）评估工具背后公司或社区的存续能力与版本稳定性，大厂（如微软、Google）和大型AI公司得分更高；刚发布的预览版（如DeepSeek Harness）因接口未稳定会拉低评分。64% 相似待验证评估Agent综合表现的指标包括步数、耗时、token消耗、失败重试次数64% 相似待验证在一项自然实验中，11个技能评估中有7个分数在两次运行间发生了变化，最大波动达到1分。64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1056644

API

curl https://kongchang.com/api/v1/knowledge/claims/1056644

MCP

get_claim(id=1056644)