IBM对比CUGA等三种Agent框架任务通过率

IBM Research 在 AppWorld 基准的 90 个任务上对比了 CUGA、Hermes 与 Deep Agents 三种 Agent Harness，三者使用同一开放权重模型 GLM-5.3-flash，每个任务只尝试一次。结果显示 CUGA 任务通过率为 81.1%，Hermes 为 46.7%，Deep Agents 为 30.0%。 IBM 称 CUGA 面向企业场景，支持开放权重或托管模型、自有环境及主权云与气隙部署，并将业务规则从提示词移入 Harness 强制执行。 该评测为单一基准上的 90 任务样本，三种框架的配置并不完全相同，且运行未使用策略，因此不衡量策略执行效果；IBM 称结果未必能推广到其他任务。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。