Фреймворк более конкурентоспособен, чем модель, и эта оценка 76.4 баллов у Qwenpaw действительно показывает, что управление проектом — это настоящий барьер для внедрения Agent.

Али Туньи лаборатория выпустила PawBench v1.0, объединяя базовую модель и рамочную платформу в единую оценку, охватывающую 9 крупных моделей, с перекрестным тестированием рамок Hermes, Openclaw и Qwenpaw, включающую 150 задач и 4050 тестовых единиц. Результаты показывают, что дизайн рамки напрямую влияет на внедрение интеллектуальных агентов, показатели — Qwenpaw 76.4, Openclaw 75.4, Hermes 70.4. Даже небольшие модели при использовании оптимальной рамки достигают «подчинения сверху вниз». В оценке предложены четыре принципа: полное информирование, оборудование по необходимости, активный мониторинг, гибкое восстановление, рекомендуется раскрывать возможности базовой модели через инженерное управление.