cto bench

cto bench

地面实况代码代理基准测试

Product screenshot

关于产品

大多数人工智能基准测试都是向后构建的。有人坐下来,想出一些难题,然后衡量代理人解决这些问题的能力。当然,结果很有趣。但他们并不总是告诉您重要的事情:代理如何执行您队列中的实际工作。这就是我们构建 cto.bench 的原因。我们不是根据假设的任务,而是根据实际工作来建立基准。 cto bench 上的每个数据点都直接来自 cto.new 用户实际使用我们平台的方式。