刚刚，豆包2.1发布！Agent自己跑18个小时搞定芯片设计代码
量子位5437 字 (约 22 分钟)
85
豆包2.1 Pro模型在芯片设计、代码生成等任务中表现优异，性能接近甚至超越国际头部模型，且价格仅为国外同类产品的四分之一。
入选理由：豆包2.1 Pro在Terminal Bench 2.1测试中与Claude Opus 4.7持平，在SciCode测试中甚至超越Opus 4.7和GPT-5.5。
精选文章#豆包#AI模型#芯片设计#编程中文
概念
Agents’ Last Exam (ALE)
别名：ALE
覆盖13个行业集群、1000多项高经济价值真实任务的AI模型基准评测。
已跟踪 2 条高相关材料
TraeAI 观察
最近变化
2026-06-23 · 豆包2.1 Pro在Terminal Bench 2.1测试中与Claude Opus 4.7持平，在SciCode测试中甚至超越Opus 4.7和GPT-5.5。
为什么值得关注
Agents’ Last Exam (ALE) 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。
AgentsAIAI模型BenchmarkEvaluation
如果只读 3 篇
1
刚刚，豆包2.1发布！Agent自己跑18个小时搞定芯片设计代码
量子位 · 8.5 分
豆包2.1 Pro模型在芯片设计、代码生成等任务中表现优异，性能接近甚至超越国际头部模型，且价格仅为国外同类产品的四分之一。
2
The last benchmark for agents? Agents' Last Exam (ALE) evaluates agents on 1,000+ real world profess...
Philipp Schmid(@_philschmid) · 8.5 分
Agents' Last Exam (ALE) 是一个评估代理在 55 个行业中 1000 多个真实专业任务上的表现的基准测试。
相关材料
已收录 2 条与 Agents’ Last Exam (ALE) 相关的内容，按评分排序。
The last benchmark for agents? Agents' Last Exam (ALE) evaluates agents on 1,000+ real world profess...
Philipp Schmid(@_philschmid)308 字 (约 2 分钟)
85
Agents' Last Exam (ALE) 是一个评估代理在 55 个行业中 1000 多个真实专业任务上的表现的基准测试。
入选理由：最佳代理在最难任务中的通过率低于 10%。
精选推文#Agents#Benchmark#AI#Evaluation中英混合