作者｜Ado微信｜ Ado__rs

7月2日，，，，，，字节 Seed 宣布了一个 Agent评测项目 EdgeBench。。。？？雌鹄从质且桓 benchmark，，，，，，但它问了一个其他榜单不问的问题。。。。

给模子一道题，，，，，，做对了得分，，，，，，做错了不得分。。。。这是绝大大都 benchmark 现在的事情方式，，，，，，越来越像高考。。。。

但真实天下里，，，，，，人不是这么用 AI 的。。。。

你不会给 Claude Code出一道题然后等它交卷。。。。你会给它一个项目、一个代码库、一批数据，，，，，，然后它在那里折腾好几个小时，，，，，，探索、犯错、读反馈、修正、再试。。。。你更体贴的是它浸泡在现实使命情形里一段时间之后，，，，，，能不可比刚进来时更强。。。。

但目今的 benchmark 险些测不出这些工具。。。。它们丈量的是静态能力，，，，，，模子被冻结的那一刻就知道的工具。。。。至于从反馈里一连前进的能力、在长周期里积累履历的能力、在生疏情形里探索出偏向的能力，，，，，，全在盲区里。。。。

EdgeBench 的切口就是把盲区里的工具放进评测，，，，，，解答一个问题：把Agent扔进一个生疏情形，，，，，，12小时后，，，，，，你能变强几多？？

134个使命横跨六大领域：科学/ML、软件工程、组合优化、专业知识事情、形式化数学、交互式游戏

为此，，，，，，Seed 团队搭了一个叫 EdgeBench 的实验平台。。。。这是一个情形学习视察舱。。。。134 个使命，，，，，，每个使命设计合约让 Agent 至少跑 12 小时。。。。

它的设计围绕四个焦点维度睁开：

5 个前沿模子（Claude Opus 4.8、GPT-5.5、GPT-5.4、GLM-5.1、DeepSeek-V4-Pro）在上面总共跑了约 38,000 小时。。。。

经费在燃烧。。。。但最终的效果价值重大：

他们找到了 Agent 的 Scaling law。。。。

四个发明：公式、路径、实质、速率

1 ）agent学习有一条被写死的数学公式

134 个使命平均：5 个模子的学习曲线被 log-sigmoid 函数高精度拟合

这是全篇论文的“灵魂发明”。。。。

此前我们大多默认情形学习是一件杂乱的事，，，，，，差别使命、差别模子、差别战略，，，，，，纪律自然也差别。。。。但他们的数据给出了意料之外的谜底：

134 个使命的平均学习曲线，，，，，，被统一个函数以 R? = 0.998 的精度准确拟合。。。。

R? = 0.998 是什么意思？？ 在人机交互和重大系统研究里，，，，，，你能看到 R? = 0.3 就已经敢写论文了。。。。0.998 实质上不是一个"拟合问题"，，，，，，这是一个发明。。。。若是我知道一个 Agent 前两小时的前进速率，，，，，，在使命荟萃的平均意义上，，，，，，我就能较量准确地展望它 12 小时后的水平。。。。

曲线展示被测模子的学习体感大致都是：一最先慢、找到感受后爆发、靠近天花板时又放缓。。。。这和任何有过深度学习或深度事情履历的人的体验完全吻合。。。。

并且，，，，，，这个纪律跨标准建设：无论是 12 小时、28 小时照旧 72 小时的实验窗口，，，，，，拟合精度所有坚持在 R? ≥ 0.993。。。？？缌煊蛞步ㄉ瑁毫笫姑易甯髯阅夂希，，，，，R? 在 0.972 到 0.998 之间。。。。

2）没有“标准”的生长路径

这个发明更有现实意义。。。。

把 134 个使命的单使命学习曲线拉开来看，，，，，，你会发明一件反直觉的事：虽然平均曲线是漂亮的 log-sigmoid，，，，，，但单条曲线之间差别极大。。。。

- 有的使命：Agent 一上来就稳步提升，，，，，，曲线清洁

- 有的使命：前几个小时纹丝不动，，，，，，突然在某个时刻分数跳升

- 有的使命：先涨后跌再涨

- 有的使命：一最先快速上升，，，，，，然后进入漫长的平台期

差别的学习战略和试错范式，，，，，，在统一个评分框架下会爆发截然差别的生长路径。。。。

Agent不但是“学得快”和“学得慢”的区别。。。。它们在怎么学上有实质差别，，，，，，若是是只看最终分数而不看历程的评测方式，，，，，，就完全抹平了这个维度。。。。论文的诠释是，，，，，，使命是一张能力争，，，，，，学习是解锁前沿向外扩张，，，，，，在对数时间上走一条logistic曲线。。。。单使命节点少以是锯齿，，，，，，使命够多平均后S形浮现。。。。论文问题里谁人scaling law，，，，，，指的就是这条曲线。。。。

3）“重新明确问题”创立真前进

有履历 vs 无履历比照：一连运行积累履历比 6 次自力重启多出 6.9 分的显著优势

统一个模子（Opus 4.8），，，，，，同样的 12 小时预算：

- 方案 A：让它一连跑 12 小时，，，，，，所有中心产品、过失纪录、已验证假设所有保存

- 方案 B：拆成 6 次自力的 2 小时跑，，，，，，每次清空所有状态，，，，，，只保存最佳效果

12 小时后，，，，，，方案 A 例如案 B 多了 6.9 分（百分制）。。。。并且两条曲线从一最先就分道扬镳。。。。

这说明前进不是靠运气多试出来的，，，，，，而是靠履历积累出来的。。。。

值得关注的是实验中的引力波重修案例研究。。。。GPT-5.5 在这个使命上跑了 12 小时，，，，，，提交了 224 次，，，，，，但真正推动最佳效果前进的只有 27 次提交。。。。

每一次突破都不是由于"多跑了一个实验"，，，，，，而是由于 Agent 对问题自己的明确爆发了质变。。。。它把模糊的目的逐步拆解为可搜索的子问题，，，，，，从反馈中重新界说了"什么是更好的偏向"。。。。

4）学习速率自己正在被“学习”

这个发明可能是跟工业关系最细密的一个。。。。

实验挑了一组所有模子“起跑线相近”的使命（首次实验都在 6.87 分左右），，，，，，然后丈量每个模子在 2 小时交互后能前进几多。。。。

效果：从 2025 年 9 月的GPT-5-Codex到 2026 年 4 月的GPT-5.5，，，，，，221 天内学习效率提升了 约 8 倍，，，，，，约每 3 个月翻一番。。。。

后期模子的有用提交率在上升，，，，，，但提交次数纷歧定更多。。。；；；
；痪浠八担，，，，，不是更勤快，，，，，，而是每次下手更有用。。。。这和工程实践的直觉一致，，，，，，高级工程师纷歧定比初级工程师写更多行代码，，，，，，但更少做无用功。。。。

AI 的能力越来越像“知识”，，，，，，但"学会新工具"的能力自己，，，，，，也在以惊人速率进化，，，，，，并且这个速率比静态知识增添更有决议性。。。。

评测情形自己，，，，，，和EdgeBench同样有价值

EdgeBench 看起来像一个模子排行榜，，，，，，但它测到的不是裸模子能力，，，，，，而是 Agent 系统能力。。。。

差别模子跑在差别的执行框架上。。。。Claude Opus 4.8 使用 Claude Code 加 1M 上下文窗口，，，，，，GPT-5.5 使用 Codex 加 256K 紧凑窗口。。。。最后的分数，，，，，，既包括模子自己的能力，，，，，，也包括上下文治理、工具挪用、反馈处理和执行框架的影响。。。。

这反而靠近真实安排。。。。现实中的 Agent 历来不是一个伶仃模子，，，，，，而是模子、工具、事情流和反馈系统的组合。。。。EdgeBench 真正权衡的，，，，，，是这个组合系统能不可在长程使命里一连推进。。。。

但这也意味着，，，，，，榜单不可被粗暴明确成基础模子排名。。。。它更像是在较量差别 Agent 系统的恒久事情能力。。。。

把EdgeBench和主流 benchmark 放在一起看，，，，，，差别会更清晰：

古板 benchmark 是“静态快照”，，，，，，EdgeBench 是“动态轨迹”。。。。它们不是在统一个维度上竞争。。。。

但这个新维度不是没有价钱的，，，，，，背后是重大的资源消耗。。。。

和EdgeBench同样让我印象深刻的工具，，，，，，是把这个实验情形搭起来意味着什么。。。。

先说一组容易被忽略的账。。。。134 个使命，，，，，，每个使命平均消耗 57.2 小时的人类专家时间，，，，，，最长的单个使命投了 320 小时。。。。纵然按最低标准估，，，，，，光使命构建这一项就投入了 7,500 小时以上的人力；；；
；然后是运行本钱，，，，，，5 个模子，，，，，，每个模子在每个使命上跑 3 次，，，，，，加上延伸至72小时以上的运行，，，，，，每次 12 小时，，，，，，总计约 38,000 小时的 Agent 交互时长，，，，，，对应的是天文数字的 API 挪用和算力消耗。。。。

这个本钱门槛自己就意味着，，，，，，长程 Agent 评测不是随便一个团队就能入场的偏向。。。。

再看工程细节。。。。论文的附录纪录了在开发历程中被 Agent 攻破的种种误差：有 Agent 在流体力学使命中通过 400+ 次提交反推出了隐藏测试数据的谜底；；；
；有 Agent 发明反作弊检核对 baseline/ 目录宽免，，，，，，于是把代码塞进那条“免检通道”里交卷。。。。这些案例袒露了一个深层的矛盾：想要测出“学习能力”，，，，，，就必需给 Agent 足够的反。。。；；；
；但反馈给得越多，，，，，，就越可能被 Agent 当成预言机来使用。。。。

EdgeBench 的解决方案是物理隔离：事情容器和裁判容器脱离，，，，，，裁判打完分就销毁，，，，，，防止Agent“作弊”：

EdgeBench 的双环反馈机制：左边是 Agent 可以自由探索的事情容器，，，，，，右边是隐藏裁判，，，，，，提交后才返回权威评分

事情容器：Agent 在内里随便折腾，，，，，，编译器、调试器、日志、文档全都有，，，，，，但没有“隐藏谜底”裁判容器：Agent 提交工件后，，，，，，裁判用隐藏测试数据和私有评分标准来打分，，，，，，打完容器连忙销毁

这个设计很考究，，，，，，实质上是在模拟“科场密封”和“双盲评审”的机制。。。。把这个从工程层面做对，，，，，，难度比设计问题自己大得多。。。。这套双容器框架有自己的名字，，，，，，SForge。。。。字节把它连同134个使命中的51个一起开源了，，，，，，构建情形的门槛还留在原地，，，，，，使用它的入口已经翻开。。。。

在做 benchmark 的人看到这，，，，，，或许都会有一种“原来你们也被Agent坑过”的共识。。。。

这也是为什么 EdgeBench 让我感受它不是“一个新的 benchmark ”，，，，，，更多是一种新的软件评测系统。。。。

它实质上是一个可视察的 Agent 运行情形。。。。你把它当成“Agent 的 profiler”，，，，，，可能比“一个新 benchmark”更准确。。。。

把这个视角拉回到行业：目今大部分 Agent 评测还停留在“在某个测试集上一次性跑分”的阶段。。。。EdgeBench 花了这么大价钱搭一个长程实验装置，，，，，，它想回覆的问题着实很简朴，，，，，，但很主要。。。。

字节自己的“AI下半场”

EdgeBench是一个让人重新想问题的理由。。。。

长程使命和短 benchmark 之间的差别，，，，，，不是时间拉长了，，，，，，而是袒露出来的问题完全差别。。。。一个只跑 10 分钟的 benchmark，，，，，，Agent的行为是可以预期的：读题、思索、输出、竣事。。。。不会出什么幺蛾子。。。。但当你把时间拉到 12 小时，，，，，，贫困就多了。。。。Agent 会在偏向准确的条件下逐步跑偏，，，，，，修睦一个？？榈耐备惚懒硪桓；；；
；会看不懂用户的反。。。。，，，，，把一个过失信号误读成另一个偏向，，，，，，然后在过失的路上一连投入几小时。。。。

退一步想“是不是偏向错了”，，，，，，目今的 Agent在这方面尚有欠缺。。。。这些问题在短 benchmark 里很难被视察到，，，，，，但在真真相形中，，，，，，件件致命。。。。

因此，，，，，，EdgeBench 的价值就是把 Agent 评测的标准从“会不会做”推进到了“会不会一连做、学习、再做”。。。。这两个问题之间，，，，，，隔着一次评测范式的代际跨越。。。。

对评测的范式的重新思索，，，，，，总让人想到现在在腾讯认真模子的姚顺雨曾提出的“AI下半场”的判断，，，，，，某种水平上，，，，，，EdgeBench 就是字节自己版本的“AI下半场”。。。。

EdgeBench 把“Agent在情形里越跑越强”这个直觉酿成了可丈量的学习曲线。。。。逻辑是同构的，，，，，，只是这次标准不再是参数和算力，，，，，，而是时间和反馈。。。。

未来 AI 公司争取的焦点资源，，，，，，不但是数据和算力，，，，，，尚有能让模子重复试错、一连进化的情形。。。。

点个“爱心”，，，，，，再走 吧

南宫市：冀南古韵与数字化生长的新篇章

〖One〗在河北省东南部的邢台市，，，，，，坐落着历史悠久的南宫市。。。。这座都会不但承载着深挚的文化秘闻，，，，，，如明代南宫县学宫等事业，，，，，，犹如《汉书·地理志》所载，，，，，，冀州之地“其民质直”，，，，，，体现了这一方水土的淳厚特质。。。。在当今互联网时代，，，，，，南宫市的实体工业与地方特色，，，，，，正需要通过有用的网络泛起来吸引更普遍的关注，，，，，，这正是搜索引擎优化（SEO）能够施展作用的领域。。。。

〖Two〗将地方历史资源转化为线上可见的内容，，，，，，是南宫市提升数字形象的要害一步。。。。昔人云“酒香也怕巷子深”，，，，，，在信息众多的网络中，，，，，，怎样让南宫的棉毛纺织、装备制造等工业优势，，，，，，以及普彤塔等旅游景点被精准发明，，，，，，离不开对网站内容的结构化梳理与要害词结构。。。。这并非高深的手艺，，，，，，而是犹如编辑地方志一样，，，，，，需要对焦点信息举行清晰有序的归纳与泛起。。。。

〖Three〗详细而言，，，，，，围绕“南宫宫面”、“南宫湖”等地方名产与风物举行内容建设，，，，，，能有用毗连潜在访客的搜索需求。。。。当用户在寻找特产或旅行目的地时，，，，，，全心优化的页面更容易进入其视野。。。。若是以为主线，，，，，，正文需要把发明问题、定位问题和确认恢复串成一连历程。。。。这种战略，，，，，，暗合了古板商业中“金字招牌”吸引客流的原理，，，，，，只不过场景转移到了搜索引擎的效果页面之上，，，，，，其目的是让外地优质信息脱颖而出。。。。

>

〖Four〗综上所述，，，，，，南宫市的数字化之路，，，，，，是古韵与新潮的融合。。。。通过贴合搜索逻辑的内容塑造，，，，，，这座都会的工业风貌与文化故事能够更顺畅地抵达目的人群。。。。这不但有助于经济活力的提升，，，，，，也能让更多人明确到这座冀南古邑的奇异魅力，，，，，，在数字空间续写其生长的新篇章。。。。

网站优化排名软件：数字时代的营销利器

〖One〗在互联网信息众多如海的今天，，，，，，怎样让自家网站在搜索引擎中脱颖而出，，，，，，是每个企业面临的配合课题。。。。网站优化排名软件应运而生，，，，，，成为现代数字营销不可或缺的工具。。。。这类软件通过系统性的数据收罗与剖析，，，，，，资助用户洞察搜索引擎的运行规则。。。。正如营销专家常说的“无法权衡，，，，，，就无法治理”，，，，，，这些工具将原本笼统的排名因素变得可视化、可量化，，，，，，为优化事情提供了清晰的路径和依据。。。。

〖Two〗追溯搜索引擎优化（SEO）的生长历程，，，，，，早期从业者多依赖手工纪录与履历推测，，，，，，效率低下且充满不确定性。。。。网站优化排名软件的泛起，，，，，，标记着SEO进入科学化与自动化阶段。。。。它们能够一连跟踪要害词排名波动、剖析竞争敌手战略、监测网站康健状态，，，，，，其作用堪比航海家的罗盘。。。。没有这些数据的指引，，，，，，优化事情就容易迷失偏向，，，，，，陷入盲目调解的逆境，，，，，，难以告竣预期的效果。。。。

〖Three〗市场上主流的网站优化排名软件，，，，，，其焦点功效通常涵盖多个维度。。。。例如，，，，，，要害词研究工具能挖掘用户搜索意图，，，，，，展现高价值词汇；；；
；网站审计功效则像一位仔细的医生，，，，，，诊断出可能影响排名的手艺性问题，，，，，，如页面加载速率、链接结构等；；；
；而外链剖析？？樵蛴兄谄拦劳救ㄍ性。。。。这些功效协同事情，，，，，，组成了一个完整的优化闭环，，，，，，让网站治理者能够有的放矢，，，，，，精准投入资源。。。。

〖Four〗然而，，，，，，工具的价值终究在于使用它的人。。。。优异的网站优化排名软件是强盛的助手，，，，，，但无法替换高质量的原创内容与真实的用户体验。。。。它提供的是数据洞察和效率提升，，，，，，而最终的排名提升，，，，，，依然依赖于对用户需求的深刻明确和对网站价值的一连建设。。。。将软件的剖析效果与人的创立力相连系，，，，，，方能制订出真正行之有用的恒久优化战略，，，，，，在强烈的网络竞争中稳固职位。。。。

南宫市与乌海市网站优化窍门：元素库优页面体验修复

〖One〗优化网站元素库是提升网站整体体现的要害方法，，，，，，这并非简朴的堆砌素材。。。。正如内容治理系统的生长所展现的，，，，，，一个结构清晰、易于治理的元素库是高效事情的基础。。。。主要使命是对现有元素举行系统性的梳理与分类，，，，，，例如将按钮、图标、表单等组件标准化。。。。这种做法能显著镌汰重复设计，，，，，，确保品牌视觉的一致性，，，，，，从而间接提升用户体验和搜索引擎对网站专业度的评价。。。。

〖Two〗在分类基础上，，，，，，必需建设严酷的命名与标签系统。。。？？梢圆慰纪际楣莸谋嗄恳欤，，，，，为每个元素赋予准确且包括要害词的名称和形貌。。。。这不但利便团队成员快速检索挪用，，，，，，更能让搜索引擎的爬虫更好地明确页面内容的组成。。。。当图片、按钮等元素拥有语义化的alt文本或标签时，，，，，，就相当于为搜索引擎提供了清晰的“地图”，，，，，，有助于提升相关内容的收录与排名。。。。

〖Three〗元素库的优化离不开性能层面的考量。。。。应当按期审查并压缩库中的图片、图标及剧本文件体积。。。。正如“奥卡姆剃刀”原则所提倡的“如无须要，，，，，，勿增实体”，，，，，，移除过时、冗余或低效的元素至关主要。。。。轻量化的元素库能直接加速页面加载速率，，，，，，而页面速率正是搜索引擎排名算法中的一个主要因素，，，，，，直接影响着网站的可见性与用户体验。。。。

〖Four〗最后，，，，，，优化事情需形成一连迭代的机制。。。。网站元素库不应是静态的档案，，，，，，而应像活水般流动更新。。。。需要依据用户行为数据与SEO效果反。。。。，，，，，按期评估哪些元素更受接待、哪些转化率更高，，，，，，并据此举行增删与调解。。。。通过这种数据驱动的优化循环，，，，，，能使元素库始终坚持活力，，，，，，最终服务于提升网站焦点营业指标与恒久搜索排名的目的。。。。

乌海市SEO优化战略与区域网络营销生长路径探析

〖One〗乌海市作为内蒙古西部主要的工业与旅游都会，，，，，，其网络形象塑造在数字经济时代至关主要。。。。唐代诗人王维有云“大漠孤烟直，，，，，，长河斜阳圆”，，，，，，乌海虽处沙漠与黄河交汇处，，，，，，但其线上展现亦需“直”达用户、“圆”融体验。。。。有用的SEO战略犹如古代丝绸之路的驿站，，，，，，能精准指导流量，，，，，，让“乌金之海”的都会手刺在搜索引擎中脱颖而出，，，，，，吸引更多投资者与游客的关注眼光。。。。

〖Two〗实验外地化SEO是乌海市企业深耕区域市场的要害。。。。这要求充分挖掘“乌海葡萄”“书法之城”等地区文化标签，，，，，，将其自然融入网站内容。。。。犹如《孙子兵法》所言“知己知彼，，，，，，百战不殆”，，，，，，需透彻剖析外地用户搜索习惯与需求。。。。通过优化地理位置信息、建设外地内容专区，，，，，，能够显著提升在乌海及周边地区的搜索能见度，，，，，，将线上流量有用转化为线下消耗与相助机缘。。。。

〖Three〗内容建设是SEO的基石，，，，，，乌海市的相关宣传需注重价值与奇异性。。。？？山杓昂Ｄ砂俅ǎ，，，，，有容乃大”的理念，，，，，，系统展示其从煤炭工业到生态旅游的转型历程、甘德尔山成吉思汗雕像的文化秘闻。。。。一连产出关于乌海湖景区、特色农业的优质图文视频，，，，，，不但能富厚搜索引擎的索引库，，，，，，更能以内容建设起用户信任，，，，，，形成一连的品牌影响力，，，，，，阻止内容朴陋导致用户如“沙漠行舟”般迅速脱离。。。。

〖Four〗面临移动互联网趋势，，，，，，乌海市的网络营销必需确？？缱氨赣押锰逖。。。。网站需具备响应式设计，，，，，，加载速率要快，，，，，，正如“黄河之水天上来”般流通无阻。。。。同时，，，，，，起劲使用外地生涯服务平台、社交媒体举行推广，，，，，，勉励用户天生真实评价与分享，，，，，，能大幅提升外地搜索排名。。。。这种多平台协同的“组合拳”，，，，，，有助于乌海市在数字浪潮中稳固自身职位，，，，，，实现从“资源之城”到“品牌之城”的线上飞跃。。。。

广东网站优化：洞悉地区特色，，，，，，赋能企业数字增添

〖One〗在数字经济浪潮中，，，，，，广东作为经济大。。。。，，，，，企业的线上竞争尤为强烈。。。。网站优化已非简朴的手艺调解，，，，，，而是关乎生涯与生长的战略决议。。。。犹如《孙子兵法》所言“知己知彼，，，，，，百战不殆”，，，，，，深入明确广东外地市场情形、用户习惯及工业特点，，，，，，是优化事情的基础出发点。。。。脱离地区特征的优化，，，，，，往往事倍功半。。。。

〖Two〗乐成的广东网站优化，，，，，，需紧扣“本土化”焦点。。。。这包括对粤语区用户搜索偏好的研究、对广深莞佛等焦点都会工业要害词的精准结构，，，，，，以及对外地服务平台流量的有用承接。。。。明代学者顾炎武强调“经世致用”，，，，，，优化战略亦当云云，，，，，，务必适用、接地气，，，，，，能够切实解决外地目的客户的问题，，，，，，从而在搜索引擎中获得青睐。。。。

〖Three〗内容建设是优化的基石。。。。针对广东用户，，，，，，内容需兼具专业性与亲和力。。。？？梢粤盗肽衔幕⑼獾匦挛湃让呕蛐幸嫡够岫醋髂谌荩，，，，，增添网站的贴近性与权威感。。。。昔人云“言之无文，，，，，，行而不远”，，，，，，富厚、优质且具有地区相关性的内容，，，，，，能有用提升用户停留时间与信任度，，，，，，为网站带来一连稳固的自然流量。。。。

〖Four〗手艺体验与移动优先同样要害。。。。广东地区移动互联网普及率极高，，，，，，网站必需具备快速的加载速率与流通的移动端浏览体验。。。。优化事情是一个一连迭代的历程，，，，，，需要凭证数据反馈一直调解战略。。。。唯有将地区洞察、内容价值与手艺体验三者深度融合，，，，，，方能在广东强烈的网络竞争中脱颖而出，，，，，，真正实现网站为企业增添赋能的目的。。。。