PaperBench 是一个由 OpenAI 开发的基准测试，旨在评估 AI Agent 复现尖端 AI 研究的能 力。它专注于测试 AI 是否能理解研究论文、独立开发代码并执行实验以复现研究结果。
刚刚开源的新基准测试PaperBench，6款前沿大模型驱动智能体PK复现AI顶会论文，新版Claude-3.5-Sonnet显著超越o1/r1排名第一。与去年10月OpenAI考验Agent机器学习代码工程能力MLE-Bnch相比，PaperBench更考验综合能力，不再是只执行单一任务。
刚刚，Local AI 领域的 Libra 团队发布了一段最新技术演示视频，展示了用户通过自然语言交互直接生成 Agent，并利用本地消费级算力支持 Agent 进行长程 (Long-Horizon) 推理，最终完成复杂任务。
4月1日，途牛旅游网自主研发的“AI助手小牛”旅游应用Agent正式上线途牛旅游APP、“AI助手小牛”小程序。“AI助手小牛”结合旅行垂直应用场景与开源大模型（DeepSeek、通义千问），实现了机票、酒店、火车票快捷查询、预订服务，能够为用户提供智能、专业的“0搭售"旅游服务方案。
2025年，人工智能领域正在经历一场由LLM Agent引发的深刻变革，不管普通人的衣食住行还是研究者的尖端研究，都很难不受Agent的影响。
什么？！ 用AI Agent搞的小红书账号，竟然14天狂吸5000粉，还开始赚钱了？？？
目前，有个开源MCP合集算是github上最火的合集之一，已经超过20000颗星评价相当高，并且还在不断高频率迭代更新。估计以后会成为标杆MCP开源库吧。
Manus能撑起5亿美元估值吗？今年3月初，一款名为“Manus”的通用AI agent产品发布之后爆火。到了3月底，Manus的母公司Butterfly Effec被爆正寻求新一轮融资，目标估值将超过5亿美元。
在互联网时代，数据已成为企业发展的必经之路。
CAMEL-AI 团队在 Manus 上线后 1 天内推出的 OWL 就是其中最具代表性的一个，项目实测成绩达到开源界 GAIA 性能天花板，达到了 58.18%，超越 Huggingface 提出的 Open Deep Research 55.15% 的表现。
