我们给Agent定了套新考题！

我们给Agent定了套新考题！ 我们给Agent定了套新考题！ Modified January 31 🔗 原文链接： https://mp.weixin.qq.com/s/t4AoAbye... 今天，我们向大家正式介绍DeepPlanning，一个专为评估Agent在真实复杂场景中全局规划能力而设计的新一代基准。 区别于传统的推理任务，DeepPlanning聚焦的是全局最优解！它要求AI在面对现实世界的复杂规划时，得通盘考虑，不能只专注局部。 比如：多日旅行规划要精确到分钟级排期，同时守住时间、预算的硬上限；复杂购物场景要能懂得叠加优惠券、知道如何动态组合商品满减，以实现整体价格最优。而且，这些“硬要求”它不是单纯在哪一步完成就好，必须贯穿整个计划始终。 实测结果显示：即使是目前顶尖的GPT 5.2、Claude 4.5、Gemini以及我们Qwen3模型，在全局优化与长周期一致性上仍存在部分短板，距离真正成为拥有100%自主决策能力的“行动派”，还有一定距离。 总的来说，DeepPlanning的发布，是我们向“长远视野推理”这一AI世界难题发起的挑战。我们深知，只有真正解决现实生活中的复杂约束，才能让Agent从对话框走向全场景，最终迈向超级人工智能（ASI）。 目前DeepPlanning已在Hugging Face 和ModelScope 开源，欢迎开发者朋友踊跃体验！ https://mp.weixin.qq.com/s/t4AoAbye... 🔗 原文链接： https://mp.weixin.qq.com/s/t4AoAbye... https://mp.weixin.qq.com/s/t4AoAbye... 今天，我们向大家正式介绍DeepPlanning，一个专为评估Agent在真实复杂场景中全局规划能力而设计的新一代基准。 区别于传统的推理任务，DeepPlanning聚焦的是全局最优解！它要求AI在面对现实世界的复杂规划时，得通盘考虑，不能只专注局部。 比如：多日旅行规划要精确到分钟级排期，同时守住时间、预算的硬上限；复杂购物场景要能懂得叠加优惠券、知道如何动态组合商品满减，以实现整体价格最优。而且，这些“硬要求”它不是单纯在哪一步完成就好，必须贯穿整个计划始终。 实测结果显示：即使是目前顶尖的GPT 5.2、Claude 4.5、Gemini以及我们Qwen3模型，在全局优化与长周期一致性上仍存在部分短板，距离真正成为拥有100%自主决策能力的“行动派”，还有一定距离。 总的来说，DeepPlanning的发布，是我们向“长远视野推理”这一AI世界难题发起的挑战。我们深知，只有真正解决现实生活中的复杂约束，才能让Agent从对话框走向全场景，最终迈向超级人工智能（ASI）。 目前DeepPlanning已在Hugging Face 和ModelScope 开源，欢迎开发者朋友踊跃体验！