WANDR

2026年7月20日

这一周的主题是 Agent 评测到底该测什么 - 一个评测全绿的客服 Agent 被 CFO 用「每成功一单的完整成本」算账砍掉；Perplexity 开源研究 Agent 基准 WANDR；Kimi K3、DeepSeek V4 Pro、GLM-5.2 三大万亿级开源 MoE 排位；还有一项 AI 建议让人准确率降到三分之一、自信却翻倍的研究。