发布首个开放多模态agent基准测试AEC-Bench

今天，我们发布AEC-Bench——首个开放的、多模态agent基准测试，用于建筑施工。包含196个真实施工文档任务。完整的agent框架、自动化评估、Apache 2.0许可。我们对Claude Code、Codex和我们自己的agent进行了基准测试。结果如下：