dh7net 自建 airbench 基准评测本地模型键鼠视觉操作

dh7net 制作 airbench 测试集，以 grid captcha、图标拖拽等视觉加键鼠操作挑战，实测本地模型以 Agent 形式模拟键盘鼠标解题的能力。测试记录了真实速度的执行 trace，网站公开展示各模型的运行记录与回放，首期视频显示大多数模型都能完成这类桌面操作挑战，后续将分享更多挑战结果。