（来源：上观新闻）
第二个测🙇♀️🍽试场景叫Too🇭🇲🚨lSandBox🇸🇽👮，测试的是更😬🍄广泛的工具使🍓用能力，包🇬🇳含129个不同场🕓景🎼📬。文件即通道协议做⛔🖋到了这一点，而层🎿😅级化编*️⃣排则确🈳保了这些🥺积累下来的状态🧙♀️能够被正确📪🐤地路由给有👻😮能力处理它们🛎🥊的专业代理🚮。
在失真类型识👩💻😜别上，Ea🤐sy 级别🧺中 PAN👨DA 达到了7💎🆙8%的准确率，🚯🕘而排名第二的微🧟♂️🌕调版 D🍇🎿epictQ🐛A+ 达到🔭75%，商业模型🙎♂️ GPT🕌-5 M🇸🇸🕵️♀️ini 只有49%🧛♂️😸，GPT-4o 🇱🇧是46%🌈🎫，Gemi⛽ni 2.🧷5 P🇬🇹🇱🇨ro 是3💂♀️9%，🥟而随机猜测只🚶♀️有7%💇♂️。
这一波密集发布里⬅💴，我个人有三个看📱点🇰🇵。Tool👩⚖️SandBo🇹🇯x上也呈现了相👩🎤同的规律：TR🧖♂️ACE的曲🚹线稳健上升，最终🧶达到0.552，👨🦰而GRPO🍓和GE😇PA则分别🗑停留在0.51🤪📥9和0.520🔟。
