AI研究Agent能力实测：Perplexity排名第一，但每7个对象仅1个能完整交付

Perplexity 发布 WANDR 基准，专门测试研究 Agent 能否完成大规模资料搜集。任务要求先找全一批对象，再为每个对象补齐指定信息和可靠来源。500 项任务共涉及 17 万余条记录。6 个参测系统中，Perplexity Search as Code 排名第一，但只有 13.3% 的对象同时满足信息完整、证据齐全。换算下来，每 7 个对象只有约 1 个能完整交付。结果显示，现有研究 Agent 已经能找到不少网页，但处理长名单和多字段任务时，仍容易漏对象、漏信息或缺少证据。[原文链接](动察 Beating)