Meta Agents Research Environments综合评价：一般

facebookresearch · 评测与监控

评测能自己办事的 AI 在真实复杂场景中应对能力的工具。

免费开源 · MIT

官网 GitHub

GitHub 收藏561

代码最近更新2026 年 10 月 1 日

许可证开源 · MIT

要不要花钱免费

用于模拟动态真实任务，测试 AI 处理多步骤任务和环境变化的能力。支持运行 Gaia2 评测集，还提供网页交互界面。适合 AI 研究人员与开发者。通过命令行安装或直接打开在线体验页使用。

用起来难吗要写代码在哪用网页命令行

能用的模型

说明里没点名

能做什么

运行动态多步骤场景评测
提供网页界面交互与监控
支持跨多任务保留记忆测试
支持多语言评测场景

怎么开始

要会写代码，先在电脑上准备好命令行与 uv 工具
通过命令安装软件包或带网页界面的版本
在命令行运行测试场景或启动本地网页界面

选它，如果你……

你想测试 AI 在面对突发变化时的应变能力
你打算运行 Gaia2 或多语言场景进行基准评测
你希望通过网页图表面板实时观察 AI 执行步骤

别选，如果你……

你不会使用命令行和代码环境
你只是想找开箱即用的日常对话聊天软件

怎么用

代码开源，可以免费下载使用。

多少钱、在哪买

免费使用。

综合评价：一般（更新放缓或问题处理差）

更新	放缓	近 90 天改代码 3 次；没有正式发版记录
问题处理	暂不评	近 90 天只有 1 个新问题，太少不评
用的人	少	GitHub 收藏 561；4 人参与开发
用户口碑	暂不计	用过的人的评价满 5 条后才算进来

数字取自 GitHub 的公开记录（2026/10/6），用过的人的评价来自本页口碑。自己核对：项目主页、问题、外部提交的修改、发版记录。

怎么评的

只看公开、能核对的数据，不打分数，只给四档结论，每一项的依据都写在旁边。

更新：近 90 天改了多少次代码、最近一次发版是哪天。7 天内有改动并且改得多或常发版，算「很活跃」；30 天内有改动算「活跃」；半年内算「放缓」；半年以上没动或者已经归档，算「停更」。
问题处理：近 90 天新开的问题解决了几成、一般几天解决、外部提交的修改积压了多少。解决八成以上、一般一周内解决、积压不比合进去的多，算「好」；解决不到一半算「差」；其余算「一般」。新问题不到 10 个的不评。
用的人：GitHub 收藏 5 万以上算很多，1 万以上算多，1 千以上算一般。旁边写近 7 天新增多少、多少人参与开发。
用户口碑：用过的人的评价满 5 条才算进来（注册不满 7 天的账号不算）；平均分在 2.5 分及以下，总评降一档。
总评四档：还在更新、问题处理好、用的人多 → 推荐；还在更新 → 不错；更新放缓或问题处理差 → 一般；半年以上没更新 → 谨慎。许可证有附加条件、商用受限的，单独提醒，不影响总评。
收费软件（ChatGPT、Cursor 这类）没有公开的问题记录，就看 App Store：最近一次更新在 30 天内算「活跃」，半年内算「放缓」，半年以上算「停更」；打分人数 10 万以上算很多，1 万以上算多，1 千以上算一般；评分 4 分以上算好，2.5 分及以下算差，打分不到 100 人不评。再加上用过的人的评价。

收藏数能刷，所以只占一项；更新和问题处理很难刷。数据每天更新，超过两周没更新的不评。

能替代它的

软件	起步价	难不难用	中文	开源	口碑	最近更新
Meta Agents Research Environments	免费	要写代码	没写明	开源	还没人评	5 天前
iFixAi	免费	要填自己的模型 Key	有中文界面	开源	还没人评	20 天前
RagaAI Catalyst	免费	要写代码	没写明	开源	还没人评	470 天前
Gorilla	免费	要写代码	没写明	开源	还没人评	445 天前