待验证50% 置信事实精确时间
Agent's Last Exam 是由 Scale AI 与学术界联合设计的 Agent 能力基准测试
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
GPT-5.6三档模型解析：Sol/Terra/Luna重写Agent成本结构
bilibiliTerminator-AI2026/7/10
相关事实
待验证Agent's Last Exam 是专为评估大模型自主代理能力设计的高难度基准，要求多步骤任务中持续调用外部工具、维持长上下文记忆并自我修正83% 相似待验证Agents' Last Exam是覆盖55个专业领域、模拟长时间运行专业工作流的评估体系75% 相似待验证选型AI Agent构建工具应核查是否有完整的草稿-测试-发布流程、开箱即用的版本管理和一键回滚、细粒度权限控制、共享配置的多渠道部署70% 相似待验证长周期Agent任务被业界公认为区分真正智能与表面流利模型的关键试金石70% 相似待验证Applitools、Testim、mabl 等测试平台也在积极探索 AI Agent 应用于软件测试的方向69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/501724API
curl https://kongchang.com/api/v1/knowledge/claims/501724MCP
get_claim(id=501724)