Meta推出智能体评估平台ARE及基准模型Gaia2，旨在解决现有测试方法难以真实反映智能体实际适应能力的问题。该平台聚焦真实场景表现评估，弥补当前基准的不足，推动智能体性能测试更贴近实际应用需求。
腾讯发布Youtu-agent框架，支持构建、运行和评估自主智能体，具备数据分析、文件处理等强大能力，基于开源模型。在WebWalkerQA基准测试中，使用DeepSeek-V3模型达到71.47%准确率，GAIA基准测试表现同样出色。
阿里通义实验室发布开源工具WebShaper，采用创新的"形式化驱动"信息检索范式，在GAIA基准测试中以60.19分超越Claude3.5Sonnet和GPT-4o。该框架通过结构化数据生成方法，确保知识结构与推理逻辑一致，显著提升AI处理复杂任务的能力。作为WebAgent系列第四款工具，WebShaper已在GitHub获4000+星标，推动开源AI社区发展。
OWL团队开源多智能体协作工具Eigent，基于OWL框架开发，支持复杂任务拆解与多层次并行处理（Worker间/内并行、工具调用并行），显著提升效率。具备200+内置工具和Human-in-the-Loop机制，支持动态组建AI团队和人工干预。完全开源，提供详尽文档，在GAIA基准测试中表现优异。继承CAMEL和OWL的成功经验，进一步推动多智能体协作技术发展。
Anthropic
$105
Input tokens/M
$525
Output tokens/M
200
Context Length
Chatglm
$8
$16
128
Openai
$14
$56
Baidu
-
$100
01-ai
4
Baichuan
AWorld是一个多智能体系统框架，旨在弥合理论MAS能力与实际应用之间的差距，提供从单智能体到多智能体协作/竞争的全套解决方案。项目支持浏览器/手机操作、GAIA基准测试等场景，采用客户端-服务器架构，集成丰富工具链，并包含性能评估与训练功能。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
