AgBench：个人AI设备智能体基准
原文标题：AgBench: Agentic AI Benchmarks for Personal AI Devices
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文发布 AgBench，一套用于在个人设备上可复现评测智能体 AI 的基准套件。基于超 1.62 亿数据点，研究对比本地、混合与云端执行在任务成功率、延迟、API 成本与数据暴露上的权衡。结果显示本地执行可完成多数任务但成功率与速度较低，混合执行可提升成功率但成本与数据暴露取决于任务划分方式，没有单一架构全面最优。
- 问题
- 个人 AI 设备上智能体在本地、混合、云端执行间的成功率、成本与数据暴露权衡缺乏系统评测。
- 方法
- 发布 AgBench 基准套件与开放工件，跨设备、负载与部署架构可复现评测智能体。
- 结果
- 基于超 1.62 亿数据点：本地执行可完成多数任务但成功率与速度较低，混合执行可提升成功率，无单一架构全面最优。
- 影响
- 端侧智能体部署选型需按工作负载与设备能力权衡，不能默认云端或本地。
深读 · 结论先行AI 生成展开看要点与影响 ↓
AgBench用1.62亿数据点证明：本地、混合、云端没有单一架构在成功率、成本与数据暴露上全面最优。
- •基准套件面向个人设备上的智能体AI，覆盖本地、混合、云端三种执行架构
- •结论基于超1.6207亿数据点，考察任务成功率、延迟、云API成本与数据暴露四项指标
- •本地执行可完成多数任务，但成功率更低、完成时间更长，并发升高时差距更明显
- •本地执行消除云模型API成本与敏感信息外泄；混合执行能提升成功率，但成本与暴露取决于任务划分与信息共享方式
为什么重要：给端侧智能体产品选型提供了可复现的权衡框架：架构选择应回到目标负载与设备能力，而非追求单一最优解。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。