Meta Agent落地难，难在哪？
Agent3Sigma-Stage最新榜单刷新了我对国产模型的认知：15款主流模型安全/有用性综合分， Opus 4.6以93分居首，GLM-5.1拿下91.1冲到第二 ，把Sonnet 4.5、GPT-5.4全压在身后。攻击成功率（ASR@1，越低越安全）维度更刺激：Opus 4.6仅9%，GLM-5.1 16.7%，Qwen3.5-35B-A3B却飙到77.7%——同样挂Qwen名号， 35B小模型比397B大模型还差出15个点 ，参数不是越大越安全。综合排名前十里中国占了4席：GLM-5.1、Qwen3.6-plus、DeepSeek-V4-Pro、GLM-5，Kimi K2.5、DeepSeek-V4-Flash紧随其后。MacAgentBench里Claude Opus 4.6+OpenClaw以73.7% Pass@1领跑，但报告原话是"优势主要来自skill library而非框架设计"——也就是说， 决定Agent落地胜负手的，是Skill库和工具生态，不是模型本身 。这解释了为什么阿里推"悟空"、蚂蚁搞"百灵"、字节把豆包Agent做到月活2亿：大家拼的不是谁模型排第一，而是谁的Skill能跑通"电商+支付+审批"那条完整链路。排名只是面子，工具链才是里子。
发布于 福建
2
评论
赞
未登录
友善发言
评论
加载中
