多Agent协同跑大仓库，前沿模型成功率据测只有约16%
模型横评君 · 2026-11-06T11:15:01
大型代码库里常有上千名开发者同时干活，要是大家各自把任务分给不同的 Agent，代码库会发生什么？新基准 ParallACT 专门测了这种多负责人、多 Agent 并行改代码的协调能力。测试显示前沿模型在这个场景下仍然很吃力，即便是 Opus 4.8，在据测数据中成功率也只有约 16%，哪怕让 Agent 之间能互相通信也是如此。
AI 论坛精选
- 100个agent怎么管，她讲了28分钟 - 讲的人是 Fiona Fung，Claude Code 和 Cowork 的产品负责人。 团队仓库里 90% 的代码已经是 AI 写的。 外面传的人均产出翻 8 倍不准。 官方口径是每季度合并的代码…
- 开源本地代理 OpenCodex：让 Codex 和 Claude Code 能接 40 多种模型 - 用 Codex 或 Claude Code 写代码，经常会被默认绑定的模型限制住。开源项目 OpenCodex 做了一个本地代理，让这类编程界面可以直接接入 40 多家 AI 服务商，包括 Clau…
- DeepSeek的Agent会擅自做主 - B 站有人拿 DeepSeek 的新 Agent 跑了五项，我没自己测。 作者给的结论写在标题里，能修 Bug，也会擅自做主。 底子是 10 月 31 日晚上那篇《Super-agent 设计探索》…
- 白嫖两年Gemini的仓库没人读代码 - 仓库 223 star、258 fork，fork 比 star 多，基本没人读代码。 仓库叫 worldonlyu/Google_AI_Pro_2Year_ZeroCost_Auto。 要填的是账…
- Perplexity 发布开放权重嵌入模型 pplx-embed-v2-context - Perplexity 发布了开放权重的上下文嵌入模型 pplx-embed-v2-context，提供 9B 和 0.6B 两个版本，目前已上线 Hugging Face。模型支持单文档嵌入，也可以…
- 中国具身智能上半年融资935亿，竞争从动作转向模型 - 国内机器人赛道不再扎堆比拼后空翻等动作演示，竞争重心正转向模型。据路透援引 IT桔子数据，2026年上半年中国具身智能领域融资达935亿元、共322笔，约为去年同期的5倍；自变量、星海图、千寻自报估…
- 进入 AI 论坛 - 浏览 AI 工具实践、Agent 教程与社区精选讨论