Kerangka kerja lebih kompetitif daripada model, skor 76.4 dari Qwenpaw memang menunjukkan bahwa pengelolaan proyek adalah ambang nyata bagi penerapan Agent

Laboratorium Ali Tongyi meluncurkan PawBench v1.0, menggabungkan model dasar dan kerangka kerja eksekusi dalam satu penilaian, mencakup 9 model utama, melakukan pengujian silang terhadap kerangka Hermes, Openclaw, dan Qwenpaw, termasuk 150 tugas dan 4050 unit pengujian. Hasil menunjukkan bahwa desain kerangka langsung mempengaruhi kemampuan penerapan agen cerdas, dengan Qwenpaw 76,4, Openclaw 75,4, Hermes 70,4. Bahkan model kecil dapat mencapai "kemenangan dari bawah" di bawah kerangka kerja yang unggul. Penilaian mengusulkan empat prinsip: pemberitahuan lengkap, perlengkapan sesuai kebutuhan, pemantauan aktif, pemulihan elastis, dan menyarankan pengungkapan kemampuan model dasar melalui pengelolaan rekayasa.