新智元報(bào)道

編輯：犀牛

【新智元導(dǎo)讀】Feeling AI憑借CodeBrain-1在權(quán)威榜單Terminal-Bench 2.0中強(qiáng)勢(shì)突圍，僅次于OpenAI最新旗艦，位居全球第二。不僅打破了美系巨頭的絕對(duì)壟斷，更標(biāo)志著中國AI在 Agentic AI（智能體）復(fù)雜任務(wù)規(guī)劃與自主編碼領(lǐng)域的工程化能力已達(dá)到世界頂尖水平。

在中國農(nóng)歷春節(jié)的前夜，全球科技界的空氣中不僅彌漫著辭舊迎新的氣息，更夾雜著一股前所未有的硝煙味。

Anthropic祭出了Claude Opus 4.6，OpenAI則以GPT-5.3-Codex強(qiáng)勢(shì)回應(yīng)。

雙方在技術(shù)之巔的對(duì)決看似是老生常談的「王座之爭」，但在平靜的水面之下，競(jìng)爭的底層邏輯已然悄然改寫。

全球大模型競(jìng)賽已正式從實(shí)驗(yàn)室里的「參數(shù)博弈」突變?yōu)闅埧岬?/strong>「實(shí)戰(zhàn)進(jìn)化」。

這一次，巨頭們不再沉迷于跑分?jǐn)?shù)據(jù)的虛幻繁榮，而是將目光死死鎖定了架構(gòu)的嚴(yán)謹(jǐn)性與自主工作流的長效續(xù)航——

能否在真實(shí)商業(yè)世界中「破局」，成為了唯一的度量衡。

在硬核指標(biāo)的正面交鋒中，OpenAI和Anthropic兩家巨頭均選擇Terminal-Bench 2.0作為實(shí)力背書：Opus 4.6在Agentic Terminal Coding Task上以 65.4%的勝率展現(xiàn)了卓越的智能體編碼能力；而Sam Altman憑借5.3-Codex+ Simple Codex的組合創(chuàng)下的 77.3%（75.1%）高分，宣稱其登頂全球編碼性能之巔。

正如NVIDIA首席科學(xué)家Jim Fan所言：真實(shí)的終端環(huán)境是AI的「魔鬼訓(xùn)練場(chǎng)」。

在閉環(huán)環(huán)境中自我進(jìn)化，已成為衡量模型工程能力的終極標(biāo)尺。

令人振奮的是，在這一權(quán)威賽道上，中國的AI初創(chuàng)團(tuán)隊(duì)Feeling AI異軍突起——其自研的CodeBrain-1在GPT-5.3-Codex底座模型的加持下，以 72.9%（70.3%）的驚艷戰(zhàn)績躍升全球榜單第二，成為前十強(qiáng)中唯一的中國新銳。

剛拿下Agentic Memory SOTA

Feeling AI又上大分

5天前，F(xiàn)eeling AI團(tuán)隊(duì)在深夜發(fā)布MemBrain1.0，LoCoMo / LongMemEval / PersonaMem-v2等多項(xiàng)主流記憶基準(zhǔn)評(píng)測(cè)中拿下全新SOTA，反超MemOS、Zep和EverMemOS等記憶系統(tǒng)和全上下文模型。

在KnowMeBench Level III兩個(gè)難度等級(jí)最高的評(píng)測(cè)中更是比現(xiàn)有評(píng)測(cè)結(jié)果大幅提升超300%。

在AI技術(shù)圈和資本押注的新風(fēng)口——Agentic Memory方向先打出了第一張牌。

強(qiáng)大的記憶能力以及適配模型原生的層級(jí)化記憶系統(tǒng)，意味著AgenticAI正從模型能力逐步走向用戶體驗(yàn)層面的范式躍遷。

緊隨MemBrain 1.0的余熱，F(xiàn)eeling AI昨晚又打出了第二張牌——CodeBrain。

作為具備動(dòng)態(tài)規(guī)劃與策略調(diào)整能力的「進(jìn)化大腦」，CodeBrain-1迅速躋身權(quán)威基準(zhǔn)Terminal-Bench2.0榜單全球第二，僅次于OpenAI 5.3-Codex的官配Simple Codex。

在Feeling AI的官方媒體中，其一直在強(qiáng)調(diào)動(dòng)態(tài)交互是世界模型通向AGI的終極拼圖。

其原創(chuàng)的跨模態(tài)分層架構(gòu)提出了三層核心能力——負(fù)責(zé)理解、記憶與規(guī)劃的InteractBrain，負(fù)責(zé)能力執(zhí)行的InteractSkill，以及負(fù)責(zé)渲染呈現(xiàn)的InteractRender，共同構(gòu)成了其技術(shù)護(hù)城河。

目前已經(jīng)亮劍的MemBrain與CodeBrain 都屬于InteractBrain核心層，精準(zhǔn)定位在復(fù)雜動(dòng)態(tài)交互場(chǎng)景下的深度理解與長程規(guī)劃。

如此看來，這兩項(xiàng)在全球拿下極具說服力成績的工作應(yīng)該并非偶然，而是早有布局。

這也進(jìn)一步解釋了無論是用于Agentic Memory的MemBrain1.0還是用于確保模型任務(wù)規(guī)劃和執(zhí)行成功率的CodeBrain-1，其算法核心關(guān)注點(diǎn)也集中在服務(wù)于在復(fù)雜「動(dòng)態(tài)交互」場(chǎng)景下的能力。

OpenAI在其官網(wǎng)技術(shù)博客中明確將Simple Codex 定義為 「針對(duì)長程軟件工程任務(wù)的最優(yōu)解」。

模型和Agent 框架的良好組合也許將成為未來大模型商業(yè)落地的標(biāo)準(zhǔn)形態(tài)。

Agentic Memory的記憶能力未來也許會(huì)成為Agent 框架的一部分，就像是一個(gè)外掛的記憶大腦，通過系統(tǒng)化的能力讓模型更強(qiáng)。

一個(gè)能駕馭全球頂尖模型的中國框架，正是AI時(shí)代最核心的智能中樞。

對(duì)頂尖模型的深度驅(qū)動(dòng)能力，意味著中國團(tuán)隊(duì)已在 AI 時(shí)代的「戰(zhàn)術(shù)調(diào)度中心」占據(jù)高點(diǎn)，正在參與定義未來大模型的工程標(biāo)準(zhǔn)。

CodeBrain-1

會(huì)動(dòng)態(tài)調(diào)整計(jì)劃與策略的「大腦」

在Terminal-Bench官方評(píng)測(cè)網(wǎng)站的最新排名顯示，CodeBrain-1僅次于Open AI的Simple Codex（GPT-5.3-Codex），F(xiàn)actory的Droid使用Anthropic最新基模Claude Opus 4.6排名第三。

榜單上還有一些大家熟悉的Agent或機(jī)構(gòu)，如Warp、Coder、Google、Princeton等。

（官網(wǎng)截圖）

Terminal Bench覆蓋的任務(wù)類型非常廣泛，其中既包括復(fù)雜的系統(tǒng)操作，也包含大量需要在真實(shí)終端環(huán)境中完成的編碼任務(wù)。

CodeBrain-1的核心關(guān)注點(diǎn)，是「代碼能否被正確寫出并運(yùn)行」。

在技術(shù)實(shí)現(xiàn)上，CodeBrain-1 專注打磨了兩個(gè)直接影響「能否成功且高效地完成任務(wù)」的環(huán)節(jié)。

• Useful Context Searching：只用「真正有用」的上下文。在復(fù)雜任務(wù)中，信息不是越多越好，而是是否相關(guān)，減少噪音可以有效避免LLM的幻覺問題CodeBrain-1會(huì)根據(jù)當(dāng)前任務(wù)需求和已有Code Base索引，充分利用LSP (Language Server Protocol) 的功能，提高關(guān)聯(lián)信息的檢索效率，有效輔助Code Generation的過程。比如當(dāng)我們需要為一個(gè)游戲Bot規(guī)劃任務(wù)時(shí)，需要先了解如何使用該Bot的API。CodeBrain-1在Coding過程中，借助LSP Search準(zhǔn)確獲取了move_to(target)、do(action)等相關(guān)方法的簽名、文檔和已有Code Base內(nèi)的使用實(shí)例等信息，有效降低了關(guān)聯(lián)信息檢索的損耗和上下文干擾。

• Validation Feedback：讓失敗真正變成信息。CodeBrain-1可以從LSP Diagnostics當(dāng)中高效定位，并補(bǔ)充錯(cuò)誤相關(guān)的代碼和文檔，有效縮減Generate -> Validate的循環(huán)過程。比如CodeBrain-1編寫的代碼中出現(xiàn)了調(diào)用on(observation, exec)（一個(gè)定義Bot Reaction的方法）時(shí)，出現(xiàn)了參數(shù)exec類型錯(cuò)誤的問題，這時(shí)，LSP除報(bào)錯(cuò)argument type mismatch之外，還會(huì)額外提供該方法的caller示例、錯(cuò)誤參數(shù)相關(guān)文檔、以及exec這個(gè)參數(shù)在實(shí)現(xiàn)中如何被使用等輔助信息。

• 團(tuán)隊(duì)從Terminal Bench中篩選出了一個(gè)更聚焦的子集，共47條任務(wù)，均可以使用單一程序語言（Python）完成。在這一子集中，CodeBrain-1也表現(xiàn)出了穩(wěn)定而一致的完成能力：關(guān)聯(lián)代碼和文檔檢索更高效；在代碼檢查和驗(yàn)證失敗時(shí)，能更快定位問題。

Rank  Agent                Model                Py Tasks     Coding Tasks   All Tasks   -----------------------------------------------------------------------------------------------1     Simple Codex         GPT-5.3-Codex        73.9%        72.7%          74.9%       2     CodeBrain-1          GPT-5.3-Codex        72.3%        70.2%          70.3%       3     Droid                Claude Opus 4.6      70.2%        66.8%          69.9%       4     Mux                  GPT-5.3-Codex        71.9%        69.2%          68.5%       5     Droid                GPT-5.2              66.0%        61.6%          65.1%       6     Ante                 Gemini 3 Pro         66.8%        62.7%          64.9%       7     Terminus 2           GPT-5.3-Codex        64.7%        61.4%          64.7%       8     Junie CLI            Gemini 3 Flash       68.9%        62.7%          64.3%       9     Droid                Claude Opus 4.5      62.1%        58.3%          63.1%       10    Terminus 2           Claude Opus 4.6      67.2%        63.1%          62.9%

此外，在Token的消耗方面，CodeBrain-1也展現(xiàn)出了不俗的表現(xiàn)，可持續(xù)降低用戶成本。

對(duì)比Anthropic發(fā)布的技術(shù)文檔，當(dāng)基模均使用claude opus 4.6時(shí)，使用CodeBrain-1和Claude Code在兩者均成功的Py Tasks子任務(wù)上所消耗的總Token大幅縮減了超15%。

CodeBrain-1在Terminal-Bench 2.0上的強(qiáng)勢(shì)表現(xiàn)還不僅僅體現(xiàn)在真實(shí)命令行終端（CLI）環(huán)境下的端到端任務(wù)執(zhí)行能力。

更重要的，團(tuán)隊(duì)進(jìn)一步的賦予了它更高階的能力——會(huì)動(dòng)態(tài)調(diào)整計(jì)劃與策略的「大腦」，它通過優(yōu)化任務(wù)的執(zhí)行邏輯和錯(cuò)誤反饋機(jī)制，顯著提升了模型在真實(shí)終端環(huán)境下的操作成功率。

CodeBrain-1提出了一種不同的解決方式。并非讓 AI 直接「隨意發(fā)揮」，而是反過來調(diào)整分工方式。

CodeBrain-1 負(fù)責(zé)在這些約束條件內(nèi)，動(dòng)態(tài)生成「智能」所對(duì)應(yīng)的可執(zhí)行程序，并根據(jù)實(shí)際反饋不斷調(diào)整。

這里的「計(jì)劃和策略」既可以作用在個(gè)體層面，也可以作用在群體層面。

對(duì)個(gè)體而言，它意味著角色可以根據(jù)自身目標(biāo)、記憶和觀察結(jié)果，持續(xù)調(diào)整日程、行為選擇和對(duì)他人的態(tài)度對(duì)群體而言，它意味著一個(gè)組織可以形成共享記憶，并基于外部條件變化，調(diào)整整體規(guī)劃和響應(yīng)規(guī)則。

為了更直觀地展示CodeBrain-1的能力，團(tuán)隊(duì)將它放入游戲場(chǎng)景中，作為一種行為與策略生成引擎。

#Case1：游戲bot的實(shí)時(shí)驅(qū)動(dòng)

在一些開放世界游戲中，它可以承擔(dān)游戲伙伴的角色。玩家可以用自然語言表達(dá)意圖，讓bot執(zhí)行。從理解自然語言中的需求——「幫我建個(gè)房子」、「造一把鎬子」，到規(guī)劃行動(dòng)方案——「收集資源」、「清理工作環(huán)境」、「建造/制作」，最終生成并執(zhí)行完整的行動(dòng)腳本以實(shí)現(xiàn)目標(biāo)，他可以有條不紊地應(yīng)對(duì)任務(wù)，豐富玩家的游戲體驗(yàn)。

#Case2：群體記憶驅(qū)動(dòng)的戰(zhàn)術(shù)演化

在「搜打撤」類游戲中，如果玩家長期走一條習(xí)慣性路線，并被多次觀察到，敵對(duì)群體可以逐步強(qiáng)化這一「群體記憶」。

在后續(xù)地圖構(gòu)建與部署階段，系統(tǒng)會(huì)據(jù)此調(diào)整整體策略，例如：

distribute  in area = { calculate_area_by_player_hotspots }  with count = { 70% of total }

同時(shí)，還可以疊加行為表達(dá)規(guī)則，增強(qiáng)沉浸感，在熱點(diǎn)區(qū)域成功發(fā)現(xiàn)玩家時(shí)高喊「抓到你了！」或者是在非預(yù)期區(qū)域遭遇時(shí)高喊「預(yù)判失誤！」更進(jìn)一步，可以配置簡單的小隊(duì)作戰(zhàn)策略，比如前排沖鋒，后排掩護(hù)。

這類行為并非單點(diǎn)腳本，而是由群體策略動(dòng)態(tài)生成的結(jié)果。

為什么AI巨頭都在

Terminal-Bench 2.0 上較量？

Terminal-Bench 是由斯坦福大學(xué)與 Laude Institute 聯(lián)合打造的開源基準(zhǔn)，被公認(rèn)為 AI 智能體在真實(shí)命令行（CLI）環(huán)境下端到端執(zhí)行能力的「金標(biāo)準(zhǔn)」。

與紙上談兵的代碼生成測(cè)試不同，它的嚴(yán)苛在于：

• 閉環(huán)實(shí)戰(zhàn)環(huán)境：在隔離的 Docker 容器中，AI 必須像人類專家一樣，在真實(shí)的 Linux 生態(tài)中完成編譯、調(diào)試、訓(xùn)練及部署。

• 高壓長程任務(wù)：89 個(gè)深度場(chǎng)景橫跨軟件工程與科學(xué)計(jì)算，不僅要求極高的邏輯跨度，更徹底杜絕了簡單的「模式匹配」。

• 零容忍驗(yàn)證：采用 0/1 判定準(zhǔn)則，唯有產(chǎn)出符合預(yù)期的交付物（如修復(fù)的代碼或運(yùn)行的服務(wù)）才算通關(guān)，沒有任何「模糊分」。

• 2.0 的「天花板」效應(yīng)：升級(jí)后的 2.0 版本大幅拉高了門檻。目前全球頂尖模型的解決率普遍難以突破 65%，這已成為大模型處理系統(tǒng)級(jí)復(fù)雜任務(wù)的「深水區(qū)」。

CodeBrain-1首次亮相便一舉奪得全球第二，其含金量不言而喻。

以GPT系列為例，頂尖模型雖具備極強(qiáng)的邏輯推理鏈（Reasoning Chain），但常因「過度思考」導(dǎo)致執(zhí)行鏈路冗長。

CodeBrain-1并不是一個(gè)「更會(huì)說話」的AI，而是一個(gè)由Code組成、能夠持續(xù)調(diào)整計(jì)劃與策略的執(zhí)行型大腦，它巧妙地扮演了「調(diào)度中樞」與「效率校準(zhǔn)器」的角色：它引導(dǎo)模型在常規(guī)操作中保持極速響應(yīng)，僅在遭遇關(guān)鍵報(bào)錯(cuò)時(shí)激活深層思考。

這種對(duì)底座模型的精準(zhǔn)駕馭，正是拉開商業(yè)化落地差距的核心變量。

魯棒的閉環(huán)糾錯(cuò)（Error Recovery），高效的任務(wù)分解（Sub-goal Decomposition）和對(duì)環(huán)境感知的精確理解，在AGI的商業(yè)版圖中，強(qiáng)大的Agent依然是「模型落地的必經(jīng)之路」。

它不僅關(guān)乎任務(wù)分解的精度，更關(guān)乎在閉環(huán)環(huán)境中糾錯(cuò)與生存的韌性。

Sam Altman在GPT-5.3-Codex發(fā)布后的宣言也佐證了這一趨勢(shì)：Codex已從單一的代碼審查工具，蛻變?yōu)槟軝M跨全生命周期、執(zhí)行專業(yè)人士所有計(jì)算機(jī)操作的「全能代理」。

在OpenAI的藍(lán)圖中，模型與框架正進(jìn)化為深度綁定的「智能全家桶」。

即便巨頭環(huán)伺，垂直行業(yè)的深水區(qū)依然為優(yōu)秀的工程框架留下了巨大的商業(yè)紅利。

無論是系統(tǒng)級(jí)的Agent框架，還是精悍的開發(fā)者效能工具，這些「離用戶更近」的觸點(diǎn)都潛藏著爆發(fā)式增長的可能。

作為一家中國初創(chuàng)團(tuán)隊(duì)，F(xiàn)eeling AI能在OpenAI尖端模型發(fā)布的瞬間完成深度整合，并跑出全球領(lǐng)先的戰(zhàn)績，這不僅是工程響應(yīng)速度的勝利，更是中國AI團(tuán)隊(duì)在全球工程化協(xié)同中占據(jù)制高點(diǎn)的有力證明。

在Terminal-Bench 2.0這種以「真實(shí)環(huán)境、長程進(jìn)化」著稱的硬核賽道上，緊隨OpenAI之后摘得全球榜眼，其標(biāo)志性意義不言而喻：中國創(chuàng)業(yè)團(tuán)隊(duì)已率先跨越了Agent從「對(duì)話玩具」到「生產(chǎn)力工具」的鴻溝，在「重塑工作流」這一戰(zhàn)略高地上占據(jù)了領(lǐng)先身位。

在OpenAI與Anthropic構(gòu)建的巨頭生態(tài)中，中國團(tuán)隊(duì)選擇以「框架定義者」的角色切入，展現(xiàn)了中國AI創(chuàng)新路徑的獨(dú)特性與韌性。

在全球底座模型的上半場(chǎng)較量之余，面向模型商業(yè)落地的下半場(chǎng)的競(jìng)爭只會(huì)更加殘酷。

這注定是一條沒有捷徑的拓荒之路，每一寸領(lǐng)地的攻克都需實(shí)打?qū)嵉墓こ逃补?，但這正是中國創(chuàng)業(yè)者在AI時(shí)代必須回答的「硬核命題」：不走捷徑，方能定義未來。