StartupBench发布：基于真实产品工作流的通用智能体基准测试

OmniTools 8月19日消息，AI 行业动态 8月18日消息，StartupBench 是一个面向市场验证的端到端智能体基准测试，其任务来源于已投入实际使用的 AI 初创公司产品工作流，而非人工预设场景。

该基准在统一智能体框架下评估当前主流模型表现，结果显示最强模型仅能完成约30%的任务。主要瓶颈集中在复杂指令遵循与领域专业知识两方面。

StartupBench 揭示了通用智能体在处理真实用户任务时的能力边界，为后续技术演进提供了实证参考。