热点事件持续更新

31个无审查模型智能体任务多数失败率过半

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

Open Uncensored 在自家 API 上让 31 个无审查模型跑 5 项多步智能体任务（改文件、浏览网页、用计算器做多步数学、调试代码至测试通过、分析数据），每项上限 14 轮，结果显示多数模型失败率仍超过一半。底模得分 60 以上的模型平均完成 38% 任务，低于 60 的仅 27%；循环率相应从 23% 升至 41%，Qwen 3.8 27B、Qwen3.5 27B 的多个无审查版本循环率均达 60%。该方称这些是早期数据：每项任务只跑一次、每个模型 5 项，单项即占 20 分，小差距属噪声；工具调用以文本格式而非原生函数调用书写，对部分模型更难。使用无需账号注册，可在 openuncensored.com/credits 购买预付费密钥，或让智能体读取 openuncensored.com/agents.md 自行获取。

AI 根据报道生成 · 16 小时前更新

最新进展11月8日 09:24

31 个无审查模型智能体实测：多数任务失败率过半，弱底模循环次数翻倍

报道时间线

沿着报道，了解事件的不同侧面。

11月8日

09:24
Hacker News
31 个无审查模型智能体实测：多数任务失败率过半，弱底模循环次数翻倍
在 Open Uncensored API 上对 31 个无审查模型跑 5 项多步智能体任务（每项上限 14 轮）后发现，多数模型失败率仍超过一半。底模得分 60 以上的模型平均完成 38% 任务，低于 60 的仅 27%，且循环率从 23% 升至 41%。Qwen 3.8 27B、Qwen3.5 27B 的多个无审查版本循环率均达 60%。

本事件热度走势

可比范围当前: 6
可比范围峰值: 1011月8日 10:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。