Workflow Gym：让Agent落地更近一步，告别仿真测试鸿沟
各家发布会的 PPT 频频飘红，仿佛 AI 很快就要接管整台电脑。但当测试者把赛道从“Chrome + Office”搬到 FreeCAD、QGIS、剪映、KiCad、Blender 这些真正用于生产的专业软件后，结果立刻变得相当真实：56 款专业软件、338 个真实工作流、平均超过 100 步的操作链条，摆在面前的是一套远比演示场景更硬核的考题。
在这套考题里，就连最强的 Gemini 3.1 Pro 和 Kimi K2.6，pass@3 成功率也只有约 41%，单次平均通过率更是刚过 30%。这场评测叫 Workflow Gym，由字节 Seed 评测团队推出。
相关快讯
飞书 Agent 产品升级，正式支持自主工作
飞书于7月23日升级 Agent 产品飞书aily，新增主动工作、团队共享智能体和多智能体协同能力。新版可在授权范围内基于消息、文档、日历、会议、任务和多维表格等信息主动跟进任务，并与团队成员或其他智能体分工协作，任务发起、执行到结果交付均可在飞书内完成，定位也从个人AI助手升级为参与实际工作的“AI同事”。
Flova定义的Agent视频范式，正在成为新标杆
作者最近常用 Flova 制作 AI 小视频，并观察到许多 AI 视频产品的界面正趋于同质化：从 Agent 定位、交互方式到功能模块和操作流程，都在向相似方向演进。这种现象类似 ChatGPT 出现后，许多对话类 AI 产品纷纷模仿其对话框布局。
豆包首款无限进步模型 Seed-Evolving 实测：真的告别版本号了？
火山引擎方舟上线了新模型 Doubao-Seed-Evolving，模型 ID 固定不变，但能力会高频持续升级。作者对这种“悄悄变强”的更新方式印象深刻，也特别提到豆包上下文窗口终于提升到 1M Tokens，更适合 Agent 场景使用。
Agent 创业公司的黄金时代，可能正在结束
文中提到，AI 产品竞争已进入拼技术、拼功能的阶段，模型与 Agent 持续提升应用想象力，但产品的“惊艳期”越来越短。2025 年 3 月发布的 Manus 以 Agent 执行任务、直接交付结果迅速出圈，随后又加入长期记忆引擎和多智能体协同等能力，上线 8 个月 ARR 便突破 1 亿美元，成为 AI 领域增长最快的初创产品之一。
openJiuwen首发多模态Skill范式Skill-Omni，让Skill“有图可依”
Skill 让 Agent 复用任务经验，但传统 Skill 多为纯文本，难以承载修图、按钮操作等“看了才懂”的视觉知识。为解决这一短板，openJiuwen 社区发布 Skill-Omni，将网页和视频中的视觉经验工程化沉淀为可复用的多模态 Skill，让 Agent 从“读得懂”升级为“看得见”。
3.8万小时、天价Token背后：字节如何发现Agent的 Scaling Law
字节 Seed 发布的 EdgeBench 评测显示，5 个前沿模型累计跑了约 3.8 万小时，核心结论是找到了 Agent 的 scaling law。论文指出：134 个任务的平均学习曲线可被 log-sigmoid 高精度拟合，说明 Agent 学习存在稳定的数学规律，并据此总结出公式、路径、本质和速度四个发现。