OWL最新提交的结果在智能体测试基准GAIA的验证集上排名平均分第3，在开源项目中排第1。

　　虽然Level 2和Level 3分数还有差距，不过CAMEL-AI团队的李国豪在交流群中表示，有信心刷爆。

　　今日的GitHub热榜上，大多是Agent相关的项目和工具库，老牌Agent项目MetaGPT与AutoGPT双双被顶到前排。

　　Camel-AI、牛宝体育平台OpenManus所使用的代码库browser-use也现身，此外金融、编程等领域的垂直智能体也备受关注。

　　与此同时，有人注意到Claude团队推出的模型上下文协议MCP不是已经有小半年了么，为什么突然每个人都在讨论它？

　　原来是每个人都想知道如何造一个Manus，而MCP是一种有效的实现途径呀。

　　除了给海外大V单独发之外，Manus联创季逸超还与抱抱脸CEO取得联系，公开分享100个码，见者有份，先到先得。牛宝体育平台

　　两人的交流中季逸超谈到Agent能力可能更多的是对齐问题而不是基础能力问题，基础模型被训练为“无论任务有多复杂，都一次性回答所有问题”，而“只需对代理轨迹进行一点后期训练，就可以立即产生显著的变化”。

　　海外用户得到码之后的剧情和这边差不多，有不少试用之后被惊艳到的，变成“自来水”的。

　　并且海外用户的付费意愿确实要强一些，毕竟比起OpenAI两万美元一个月的博士级智能体总是要便宜许多。

　　很多人拿到Manus做的第一件事，都是让他收集自己的资料，编写并部署个人主页。

　　其中Rowan Cheung表示Manus收集到关于他的个人信息100%准确且是最新的。

　　他分享了体验中的一个细节：虽然Manus可以自己完成所有任务，但如果在执行过程中给出意见，它也可以灵活地改变计划并执行，就好像真的再给人下达指令一样。

　　也有人把它当做Deep Research类工具，寻找租房信息只花了不到10分钟时间。

　　作为Manus出圈的副作用之一，GAIA基准测试正在成为智能体类产品必争之地。

　　GAIA测试由450+具有明确答案的复杂问题组成，分为三个难度级别，考验智能体系统的工具使用能力以及自主性。

　　Level 1：通常解题步骤不超过5步，且不需要工具，或最多使用一种工具。如简单的信息检索和处理，任何优秀的语言模型都可以完成。

　　Level 2：需要在5-10步之间完成，并且需要组合使用不同工具。如“根据附件 Excel 文件计算当地快餐连锁店食品（不含饮料）的总销售额”。

　　Level 3：面向近乎完美的通用AI助手，要求AI能够执行任意长度的复杂动作序列，使用多种工具，并具备广泛的世界知识和信息获取能力。

　　如“在2006年1月21日NASA的每日天文图片中有两名宇航员，截至2023年8月，找出较小宇航员所在NASA宇航员小组中在太空停留时间最短的宇航员及其停留时间”，解答这类问题需要综合网络搜索、牛宝体育平台信息筛选、知识推理等多种能力。

　　人类在Level 2、和Level 3上的成功率分别是92%和87.3%，测试推出时最先进的语言模型GPT-4得分为9.7%和0。

　　此外GAIA排行榜分为测试集（Test）和验证集（Validation）两项，其中验证集是公开数据，测试集为私有数据，测试集的含金量更高一些。

　　ImageNet数据集与竞赛开启了深度学习浪潮之后，每个时代都有自己的当红榜单指引着最前沿技术的发展。

　　点击查看更多怀旧游戏视频