A estrutura é mais competitiva que o modelo, Qwenpaw com essa pontuação de 76,4 realmente mostra que a governança de engenharia é a verdadeira barreira para a implementação do Agent

O laboratório Ali Tongyi lançou o PawBench v1.0, incorporando o modelo base e a estrutura de execução na mesma avaliação, cobrindo 9 grandes modelos, realizando testes cruzados nos frameworks Hermes, Openclaw e Qwenpaw, incluindo 150 tarefas e 4050 unidades de teste. Os resultados mostram que o design do framework afeta diretamente a capacidade de implementação do agente inteligente, com Qwenpaw 76,4, Openclaw 75,4 e Hermes 70,4. Mesmo modelos pequenos conseguem alcançar uma "superioridade" sob frameworks otimizados. A avaliação propõe quatro princípios: informar adequadamente, equipar conforme a necessidade, monitorar ativamente, recuperar com flexibilidade, sugerindo que a capacidade do modelo base seja liberada por meio de governança de engenharia.