Spacebar发布Agent共享工作区基准SpacebarBench

Spacebar 发布 SpacebarBench，用 14 轮连续用户请求评测 6 个模型配置在持久协作工作区中完成客服软件选型项目的能力，并按 100 分制审计最终交付物。结果基于 2026 年 10 月 7–8 日的记录和冻结的评分标准。 Spacebar 称，这些分数是人工判断的审计得分，不是成功概率；该试点只测试一段脚本化的用户消息序列，在持续演进的会话中交付，不构成通用模型排名。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。