IBM开源CUGA智能体框架对比评测
先了解这件事
AI 综述
2026年11月3日，IBM团队在Hugging Face博客发布对比评测，用同一开源权重模型GLM-5.3-flash在AppWorld的90个任务上测试CUGA、Hermes与Deep Agents三个智能体框架。结果显示，任务通过率分别为81.1%、46.7%和30.0%，场景全通过率分别为66.7%、26.7%和6.7%。报道称该对比旨在考察同一模型更换harness后的表现差异，CUGA在两项指标上均领先。
AI 根据报道生成 · 1 小时前更新
最新进展11月3日 23:57
IBM发布评测：同一模型下CUGA在AppWorld任务通过率81.1%，领先Hermes与Deep Agents。报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- Hugging Face Blog精选同一模型换 harness：CUGA、Hermes 与 Deep Agents 在 AppWorld 上的对比
IBM 团队用同一开源权重模型 GLM-5.3-flash 在 AppWorld 的 90 个任务上对比 CUGA、Hermes 和 Deep Agents，任务通过率分别为 81.1%、46.7% 和 30.0%，场景全通过率为 66.7%、26.7% 和 6.7%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。