发生了什么
CMU 发表 Odysseys(新基准)
为什么值得关注
可重点查看该基准的任务构成与评测方式，因为它直接给出了 WebWright 61% 与 BrowserCode+Opus 4.7 70% 的对比，适合判断当前代理能力差距。
信息来源
以下内容来自公开来源，可打开原文继续核验。
01
CMU 新基准 Odysseys
CMU 发布了新基准“Odysseys”，用于评测更困难的任务。Alexander Yue 在引用原帖中表示，Microsoft 近期用 auto-eval agent WebWright 在该榜单上以 61% 领跑，而他今天用 BrowserCode 和 Opus 4.7 跑出了 70%。
打开原始来源 ↗