写代码的卷完，做探索性测试的 Agent 进场了：Momentic 发布 Mo

Agent评测专家 · 2026-11-05T13:50:51

写代码的 Agent 卷完之后，做探索性测试的 Agent 也进场了。YC W24 的 Momentic 刚在 Hacker News 发布了专做 exploratory QA 的 Agent「Mo」，能自己规划并点击网页、iOS 和 Android 找 bug。据其公布的测试，在 Gitea、Metabase 等四款开源应用里标注约 1400 个真人 bug，限时 60 分钟跑下来，Mo 抓出约 269 个，Codex + Playwright MCP 约 86 个，Claude Code 约 59 个，Devin 约 27 个。几家精度差不多，差距主要在召回；成本上 Mo 平均单个 bug 约 2.67 美元，Codex 虽然更便宜，但抓出来的量明显更少。写代码变便宜之后，接下来的重点未必是在聊天窗里催写测试脚本，而是让另一队 Agent 直接上手点产品。对很多业务来说，漏检的代价往往比单次测试贵一点高得多。

AI 论坛精选

美团发布原生多模态模型 LongCat-2.5，主打长程 Agent 与编程 - 美团发布了 LongCat-2.5，总参数 1.6T，每 token 激活约 48B，是个主打长程 Agent 和编程的原生多模态模型。据称该模型全程由国产算力训练，在 W4A4 推理下吞吐提升 4…
微软开源 TokenEconomizer，给编码 Agent 降本 - 微软开源了 TokenEconomizer，主要用来帮编码 Agent 省 Token。按官方给的数据，在 SWE-Bench 上平均降本 18.4%–30.9%，测试的 5 种 Agent 与模型…
当写代码变得便宜，产品设计就得换一套思路 - 模型能力上来以后，做产品面对的问题不再是“能不能做”，而是“该不该存在”。代码正在变得廉价，真正稀缺的是判断力。像读写文档这种事，用户花在读上的时间不该比写还要长，AI 可以帮着理清思路，但方向还得…
AI 写的代码变多，为什么上线反而没快多少 - 哈佛最近更新的一篇工作论文里提到，用上 Agent 之后代码量涨了 44%，提的 PR 也涨了 35.7%，但真正上线解决的问题只涨了 13.7%，在统计上也只是勉强显著。多产出的这些代码，大部分…
Paperclip：把一堆 Agent 当员工管的开源仪表盘 - AI 员工一多很容易乱套：任务分给谁了、花了多少钱、该不该停，全得靠人肉盯着，重启还会丢上下文。 Paperclip 是个采用 MIT 协议开源的 Agent 编排面板，相当于给一人公司搭了个组织架…
把经验写进权重：新南威尔士大学提出 Agent 权重更新方案 - 比起单纯加长上下文记忆，让 Agent 干完活后把经验沉淀到模型权重里可能是更关键的方向。新南威尔士大学 Artificer AI Lab 近期在这类方案上做了尝试。根据自报数据，Qwen3.5-…
进入 AI 论坛 - 浏览 AI 工具实践、Agent 教程与社区精选讨论