AI HOT 小时报｜2026-06-06 07:05

数据源：AI HOT /api/public/items?mode=selected；时间窗 since=2026-06-05T21:55:06Z。摘要由 AI HOT 提供，引用前请点原文核对。

本小时值得看

1. Arena 发布真实世界 AI 智能体排行榜 Agent Arena

• 分类：论文
• 来源：X：Rohan Paul (@rohanpaul_ai)
• 发布时间：2026-06-05T22:01:20.000Z
• 原文：https://x.com/rohanpaul_ai/status/2063018358795300982

Arena 推出基于真实用户任务的智能体排行榜，评估模型在代码编写、应用构建、文档分析等工作中的表现，而非孤立基准。排行榜基于30万+任务、200万+工具调用和4000万行代码，综合任务成功、纠正遵从性、错误恢复、用户表扬与抱怨、工具幻觉等信号。前三名：GPT-5.5 High（+10.7%）、Claude Opus 4.7 Thinking（+9.5%）、GPT-5.4 High（+8.9%）。

2. 用Qwen2.5-3B构建多智能体经济体：工程报告

• 分类：观点/技巧
• 来源：Hugging Face：Blog（RSS）
• 发布时间：2026-06-05T22:18:46.000Z
• 原文：https://huggingface.co/blog/build-small-hackathon/thousand-token-wood-sim

开发者用Qwen2.5-3B构建了五人森林生物多智能体经济体，每个智能体独立运行，通过vLLM部署在Modal，以Gradio为交互窗口。3B模型在100%调用中输出有效JSON，但经济判断能力弱。通过设计稀缺性（食物品种限制、易腐坏、冬季燃料危机）和优化提示词（禁止买入自产物品、给出示例）提升决策质量。15轮模拟中，蜜价从10跌至3、柴价从4涨至7、财富基尼系数从0.14扩至0.38。项目展示了小模型可靠格式化与不可靠推理之间的工程填补。

UseClaw 观察

• 优先关注能进入真实工作流的产品更新，而不只看模型跑分。
• 优先关注 Agent、编程工具、企业集成、自动化、合规安全这些会影响数字员工落地的信号。
• 如果某条新闻能说明“谁痛、为什么信、下一步去哪”，后续可扩写成 UseClaw 深度内容。

UseClaw 持续记录 Claude、Codex、OpenClaw、AI Agent 与数字员工的真实案例、方法和产品化实践。
了解更多：https://useclaw.net/