发布AEC-Bench，开放多模态agent基准，测试多个agent表现

今天，我们推出AEC-Bench——首个面向建筑行业的开放多模态agent基准测试。包含196个基于真实建筑文档的任务。完整的agent harness。自动化评估。Apache 2.0许可证。我们对Claude Code、Codex以及我们自己的agent进行了基准测试。以下是我们的发现。