测了下Agent在专业软件里的真实表现，数据挺骨感的

浪子也回头 · 2026-07-23T14:03:45.118Z

最近看各家发布会PPT做得都挺炫，感觉AI分分钟就要接管电脑了。但真把测试环境从 Chrome 和 Office 搬到 FreeCAD、QGIS、剪映、KiCad、Blender 这些真正干活的软件里，结果就诚实多了。56款专业软件、338个真实工作流、平均100步以上的操作链条，测下来连 Gemini 3.1 Pro 和 Kimi K2.6 这种头部模型，pass @三月(sanyue) 成功率也就 41% 左右，单次平均通过率才 30% 出头。这个叫 Workflow Gym 的测试是字节 Seed 团队搞的，算是给现在的 Agent 落地泼了点冷水。 #这种头部模型

发现产品榜单精选讨论