Meta Agent落地难，难在哪？
APEX-Agents最新榜单给所有Agent厂商泼了一盆冷水：在480个真实投行、咨询、法务任务里，Gemini 3 Flash首次通过率仅24%、GPT-5.2为23%、Claude Opus 4.5只有18.4%，即便给8次重试封顶也才40%，意味着每4个专业任务里有3个当场翻车。Meta自家5月推出的ProgramBench更狠——200个完整工程任务（从CLI到FFmpeg、SQLite），9个受测模型无一个全部通过，最强选手也只在3%任务里做到95%测试通过。失败不是模型不够聪明，而是 35分钟后上下文就开始崩 ——任务时长翻一倍，失败率按平方级往上跳。Meta内部7000人重组到Agent Transformation团队，扎克伯格4个月后承认"押注还没结果"；华为、阿里、字节也都在"工具/记忆/安全"三道坎上卡脖子。问题出在哪？答案藏在中科院与蚂蚁集团的MAC榜单里——5个领域39个配置下，仅5款配置跑平人类基线，且其中4个是闭源前沿模型。结论很残酷：单智能体能力早已饱和，真正的护城河是 长程执行的稳定性 ，而这恰好是2026年所有Meta Agent厂商集体失分的盲区。
发布于 福建
1
评论
赞
未登录
友善发言
评论
加载中
