CUGA 在 90 项 AppWorld 对比测试中优于 Hermes 和 Deep Agents

1篇报道 1个报道来源 1 小时前更新

先了解这件事

AI 综述

CUGA 团队报告称，在 90 项 AppWorld 任务中，CUGA 完成了 81.1%，Hermes 为 46.7%，Deep Agents 为 30.0%；三者使用的是同一款 GLM-5.3-flash 模型。这些结果表明，在这项基准测试中，工具框架影响了任务完成情况。此次对比采用了不同的设置，其中 CUGA 使用了其他工具框架未采用的 AppWorld 配置。团队表示，90 项任务的样本可能无法推广到其他任务，而且这些运行未使用策略，因此无法衡量策略执行情况。

AI 根据报道生成 · 1 小时前更新

接下来读什么

今日还有哪些重要变化通过五项核心价值观解读 OpenAI 更新后的 Model Spec

提到的模型

GLM-5.3 Flash综合榜第 28每百万 Token 输入 $0.0313 / 输出 $0.0846

全部模型的 API 价格

报道时间线

沿着报道，了解事件的不同侧面。

11月3日

23:57
Hugging Face Blog精选
同一模型，不同框架：何时选择 CUGA、Hermes 或 Deep Agents
CUGA 团队使用同一个 GLM-5.3-flash 模型，在 90 项 AppWorld 任务上比较了 CUGA、Hermes 和 Deep Agents。CUGA 完成了 81.1% 的任务，Hermes 为 46.7%，Deep Agents 为 30.0%；文章还介绍了 CUGA 的运行时策略检查，并指出该基准只能有限地代表企业自动化场景。

模型发布、价格变化、算力进展，附原始来源。免费，确认后开始发送，随时一键退订。看一份往期日报

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。