Passion Fruit AI 通過 Terminal-Bench 4 和 OSWorld 2 測試

開發團隊馬拉卡斯AI展示了其代理系統在專用環境Terminal-Bench 4和OSWorld 2中的測試結果。這些基準評估了AI代理在真實操作系統中執行複雜任務的能力，包括與控制台、文件管道和業務流程自動化的交互。

在測試過程中，代理系統展示了在解決應用任務時的高自主性。與標準聊天機器人不同，該系統不僅需要生成文本，還需要創建可工作的工件：修復伺服器腳本中的錯誤，處理郵件客戶端中的數據和合併財務表格。結果顯示了模型的多步驟規劃能力和正確與命令行界面的交互能力。

OSWorld 2基準是業界最嚴格的標準之一，因為它模擬了用戶的真實工作環境。成功通過這些測試證實了代理系統自動化系統管理和辦公室工作的準備就緒。使用這些工具可以客觀地比較國內開發的有效性與全球同行在接近真實操作的情況下。

這些測試強調了從簡單的文本模型到全面的代理的轉變，代理可以管理計算資源。這些系統的進一步發展旨在提高命令執行的可靠性和最小化在文件系統和外部API中工作時的錯誤。