Agents’ Last Exam：AI考试满分干活零分 衡量人工智能经济产出的专业基准

Agents’ Last Exam (ALE) 是由加州大学伯克利分校领衔开发的顶级 AI 评估基准，旨在衡量智能体处理长周期、具有实际经济价值的专业工作的能力。该基准涵盖了工程、金融、法律及生命科学等 13 个行业领域和 55 个细分方向，共包含约 1,500 个任务实例。与以往仅关注基础指令或问答的测试不同，ALE 要求智能体在真实软件环境中交替使用图形界面（GUI）和命令行（CLI），完成复杂的端到端交付任务。这些任务由超过 250 名领域专家根据真实职业流程设计，并经过多轮严格的质量控制和同行评审以确保其权威性。目前，即便最先进的模型在 ALE 的高难度测试中表现依然不佳，这使其成为推动 AI 从学术竞赛走向实际产业落地的关键技术门槛。通过这种基于成果产出的自动化验证方式，ALE 为开发能产生真实经济产出的**通用计算机使用智能体（GCUA）**提供了核心指引。