O framework é ainda mais competitivo do que o modelo, a pontuação de 76,4 do Qwenpaw realmente mostra que a governança de engenharia é a verdadeira barreira para a implementação do Agent

Aaliyah Tongyi Laboratory lançou o PawBench v1.0, integrando o modelo base e a estrutura de execução na mesma avaliação, cobrindo 9 grandes modelos, realizando testes cruzados entre Hermes, Openclaw e Qwenpaw, incluindo 150 tarefas e 4050 unidades de teste. Os resultados mostram que o design da estrutura 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 estruturas otimizadas. A avaliação propõe quatro princípios: informar adequadamente, equipar conforme a necessidade, monitorar ativamente, recuperar com flexibilidade, recomendando a liberação da capacidade do modelo base através de governança de engenharia.