Holo4: powering generalist computer-use agents
Hugging Face Blog1629 字 (约 7 分钟)
85
Holo4模型在保持低成本的同时实现接近前沿模型的性能，支持多接口交互并开源轨迹数据。
入选理由：Holo4-27B在OSWorld 2.0基准得分61.7%，仅比Opus 5.5低19.1个百分点
FeaturedArticle#Holo4#模型#Hugging Face#计算机使用代理英文
论文
什么是 AutomationBench？
也叫：AB
API使用能力评估基准
为什么现在值得关注？
最近变化
2026-09-28 · Holo4-27B在OSWorld 2.0基准得分61.7%，仅比Opus 5.5低19.1个百分点
AutomationBench 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
📰 AutomationBench 最新动态
已收录 4 篇与「AutomationBench」相关的 AI 资讯和分析。
Astra is our most aligned model, with substantial improvements in understanding user intent.
OpenAI(@OpenAI)240 字 (约 1 分钟)
85
OpenAI发布GPT-6 Astra模型，在多个专业领域基准测试中表现优异，显著提升用户意图理解能力。
入选理由：Astra在Agents’ Last Exam和AutomationBench等基准测试中达到SOTA。
FeaturedTweet#GPT-6#AI模型#OpenAI#基准测试英文
Introducing Gemini 3.7 Flash
Google DeepMind Blog954 字 (约 4 分钟)
85
Google发布Gemini 3.7 Flash，性能提升显著且价格降低50%，适用于复杂编码和代理任务。
入选理由：Gemini 3.7 Flash在FrontierCode 1.1 Main任务中准确率提升30.6%（43.6% vs 34.4%）
FeaturedArticle#Gemini#AI模型#Google#DeepMind#编码工具英文
Introducing Gemini 3.7 Flash
The Keyword (blog.google)954 字 (约 4 分钟)
85
Google推出Gemini 3.7 Flash模型，性能较前代提升显著且价格降低50%，适用于编码、代理和复杂工作流程。
入选理由：7 Flash在FrontierCode 1.1 Main基准中准确率提升26.6%（43.6% vs 34.4%）
FeaturedArticle#Gemini#AI模型#Google#机器学习#编码工具英文
🔗 相关术语
与「AutomationBench」经常一起出现的 AI 术语。
💡 想追踪「AutomationBench」的长期趋势？去 实体雷达 · AutomationBench 查看详细分析和跨材料问答。