Microsoft 与 Hugging Face 发布 ThinkingBox 智能体状态基准
Microsoft 与 Hugging Face 联合发布 ThinkingBox 智能体沙箱和 ThinkingBox-Bench 基准，依据数据库终态判定智能体任务成败。
推荐理由：该基准以数据库终态而非模型回复判定智能体成功，并给出 507 个任务重复 20 次的一致性与成本数据，可供部署时比较模型。
Microsoft 与 Hugging Face 联合发布 ThinkingBox 智能体沙箱和 ThinkingBox-Bench 基准，依据数据库终态判定智能体任务成败。
推荐理由：该基准以数据库终态而非模型回复判定智能体成功，并给出 507 个任务重复 20 次的一致性与成本数据，可供部署时比较模型。