各家顶级模型agent能力横向测评

自己项目实际跑的测试,agent基座是pi sdk 一个单次分析规划子agent,涉及大量工具调用形成结构化文档 测试使用实际的pi workspace和上游文件, 结构分是测试文件自己生成,内容分是gpt5.5逐个读取生成内容打分。 API来源:kimi minimax glm 来自firewor...
各家顶级模型agent能力横向测评
各家顶级模型agent能力横向测评

自己项目实际跑的测试,agent基座是pi sdk

一个单次分析规划子agent,涉及大量工具调用形成结构化文档

测试使用实际的pi workspace和上游文件,

结构分是测试文件自己生成,内容分是gpt5.5逐个读取生成内容打分。

API来源:kimi minimax glm 来自fireworks AI,其他均为官方订阅,或官方api

image

测试文件prompt:和打分脚本

image

全部由codex自己策划实施。

测试文件prompt:和打分脚本:

归档.zip (24.3 KB)

1 个帖子 - 1 位参与者

阅读完整话题

来源: linux.do查看原文