Claude 在一项测试“构建代理的代理”的新基准测试中表现最佳，但通过的测试仍不足四分之一。

“构建代理的代理”基准测试结果显示，即使是表现最佳的 AI 模型 Anthropic 的 Claude，也只通过了极少数的测试。这表明，尽管 AI 在自主开发其他 AI 系统方面的能力正在取得进展，但该技术仍处于早期阶段。对于亚洲科技公司，特别是那些在 AI 研发方面投入巨资的公司来说，这意味着完全自主的 AI 代理创建仍是一个遥远的目标，需要继续在基础 AI 研究方面进行大量投资，而不是立即应用。观察到的局限性意味着在可预见的未来，人为监督和干预在 AI 开发流程中仍然至关重要，这将影响整个地区的资源分配和技能要求。重点应放在渐进式进步和稳健测试上，因为目前的技艺水平仍有很大的改进空间。