cto bench

多数 AI 基准测试本末倒置：有人坐下来凭空设计难题，再去衡量智能体的解题能力。结果虽有参考价值，却常常不能回答真正重要的问题——智能体在你实际待办工作中的表现如何。cto.bench 因此应运而生：我们不依赖假设任务，而是用真实工作构建基准。cto.bench 的每一条数据，均直接来自 cto.new 用户在平台上的真实使用情况。