怎么知道 Agent 真干完活了？
怎么知道 Agent 真干完活了？判断 Agent 靠谱与否，核心指标只有一个：是不是真干完活了
来自主题: AI技术研报
8067 点击 2026-05-26 14:57
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
判断 Agent 靠谱与否，核心指标只有一个：是不是真干完活了
大语言模型在地图、城市、交通等空间领域的应用越来越广泛。对于这些场景来说，问题往往不只是 “查一个地点” 或 “调用一次路线 API” 就能解决的，而是需要把用户的自然语言问题组织成一段可执行、可验证的地理分析流程。
4个月烧光全年AI预算，天价Token账单正在屠杀硅谷！今天，高性能Agent模型SkyClaw-v1.0出世，性能直逼Opus 4.6、DeepSeek V4 Pro，百万上下文性价比拉满。
马斯克在X上发帖透露，xAI自家的Grok基础模型V9-Medium（1.5T）已经完成训练。预计再过2到3周，差不多就能正式对外发布啦：马斯克特意提到，V9-Medium的补充训练中加入了大量Cursor数据，后续还会继续添加。
当年互联网创业公司最熟悉的“羊毛”，是云厂商送的服务器额度；现在，AI 创业圈的“新硬通货”，已经变成了大模型 Token。
DeepSeek 之于大模型，就像蜜雪冰城之于奶茶。你不必纠结性价比，因为它的本事你挑不出毛病，你的钱包它也从不为难。
最近人人都在聊 DeepSeek 的融资，这个等最终落定后我们再说。今天先说 Kimi 。
今年以来，在线策略蒸馏 OPD（On-Policy Distillation）已经逐渐成为大厂 LLM 后训练中的重要组件，例如 DeepSeek-V4，GLM5 就使用了多教师 OPD 来整合不同领域专家模型的能力，相比混合奖励强化学习收敛更快、效果更好。
AI浪潮正从线上数字空间，全面涌向线下物理世界。
前几天大模型圈子有个很魔幻的场面，傅盛、孙宇晨、特朗普家族，三个八竿子打不着的人，开始扎堆做大模型中转站的生意。