Meta开源ARE平台和Gaia2测试集，评估AI智能体在实时环境下的表现。

Meta发布了一个超酷的新工具：开源了智能体（AI Agent）研究平台ARE，以及手机应用型测试集Gaia2。最核心的发现：
1.目前还没有任何一个AI模型能“通吃”所有场景：
•GPT-5推理最强，但一遇时间紧迫就“翻车”；
•Claude-4 Sonnet速度和准确度更平衡，但成本高；
•开源的Kimi-K2在环境适应性上表现亮眼。

2.在有截止期限的任务里，模型“想得越久越容易翻车”，更聪明的AI未必更快。

3.多智能体协作模式对弱模型有明显帮助，但对最强的模型反而是拖累。

ARE平台专为逼真环境打造：
•时间实时流动，AI响应慢会错失时机；
•所有任务都以App、事件和通知的形式模拟。

Gaia2测试集含1120个场景，模拟了聊天、购物、日历等12款真实手机应用，挑战包括搜索、执行、时间管理、歧义处理和智能体协作。

AI智能体若要真正落地应用，必须在高压力、高实时性的环境中考验，这正是Meta新工具的独特价值。