CUGA

同一模型换智能体框架，任务完成率从30%到81%

同一个模型，配套的AI智能体运行框架不同，任务完成率也会不同。Hugging Face博客2026年11月3日刊登的IBM文章报告：让CUGA、Hermes和Deep Agents使用同一开放权重模型GLM-5.3-flash，执行相同的90项AppWorld任务，改变框架后，任务完成率从30%到81%。 这次比较覆盖30个场景，每项任务只尝试一次，所有运行均使用Harbor评测框架。