AI Agent為什么總是不穩(wěn)定？終于有了一個(gè)系統(tǒng)性基準(zhǔn)來(lái)拆解

過去一年，三星在大模型領(lǐng)域顯得格外活躍。

從持續(xù)加碼 Foundation Model 研發(fā)，到布局 Physical AI，再到持續(xù)推進(jìn) Galaxy AI 和多設(shè)備智能生態(tài)，三星正圍繞 AI 重構(gòu)其終端生態(tài)，并將 AI 打造成未來(lái)產(chǎn)品和服務(wù)的核心技術(shù)底座。近期，三星還進(jìn)一步提出 Agentic AI 戰(zhàn)略，將 AI Agent 從移動(dòng)設(shè)備擴(kuò)展至智能制造、智能家居等更廣泛的智能基礎(chǔ)設(shè)施，AI 已成為三星未來(lái)最重要的戰(zhàn)略方向之一。

在這一背景下，三星大模型團(tuán)隊(duì)聯(lián)合北京大學(xué)、香港城市大學(xué)、香港科技大學(xué)等科研機(jī)構(gòu)，共同發(fā)布了面向 AI Agent 的基準(zhǔn)測(cè)試LiveClawBench。

不過，它關(guān)注的并不是「誰(shuí)的 Agent 更強(qiáng)」，而是一個(gè)更基礎(chǔ)、也更關(guān)鍵的問題：

為什么同一個(gè) AI Agent，在一些任務(wù)中已經(jīng)接近可用，而在另一些任務(wù)中卻會(huì)突然失穩(wěn)？

LiveClawBench 給出了一個(gè)更有意思的答案：任務(wù)領(lǐng)域并不能充分解釋 Agent 的性能參差。

在高性能模型組（如 Kimi-K2.7-Code、GLM-5.2、GPT-5.5）中，任務(wù)領(lǐng)域只能解釋約 9.6% 的 case-level 分?jǐn)?shù)波動(dòng)；如果換成任務(wù)的「復(fù)雜度畫像」，解釋比例則達(dá)到約 18.6%。在中等性能模型組（如 DeepSeek-V4 的 Flash 版本）中，趨勢(shì)也類似：任務(wù)領(lǐng)域解釋約 12.9% 的分?jǐn)?shù)波動(dòng)，而復(fù)雜度畫像解釋約 21.1% 的分?jǐn)?shù)波動(dòng)。

這意味著，當(dāng)模型已經(jīng)具備一定跨領(lǐng)域基礎(chǔ)能力后，真正拉開差距的，可能不再是「它會(huì)不會(huì)做郵件、代碼或日歷」，而是任務(wù)內(nèi)部到底包含了哪些更深層的復(fù)雜性。

這里的「復(fù)雜度畫像」，可以理解為一個(gè)任務(wù)的挑戰(zhàn)清單：

它不問任務(wù)屬于哪個(gè)領(lǐng)域，而是問任務(wù)「到底難在哪里」，例如，跨多個(gè)服務(wù)協(xié)作，需要推斷用戶沒有明說(shuō)的目標(biāo)，或者涉及長(zhǎng)期知識(shí)維護(hù)。

這正是作者想回答的問題：AI Agent 好不好用，到底差在哪？

為此，他們構(gòu)建了面向 AI Agent 的基準(zhǔn)測(cè)試 LiveClawBench。 做了三件事。

第一，它構(gòu)建了一個(gè)個(gè)人助理工作流 benchmark，用于評(píng)測(cè)當(dāng)前主流 LLM Agent 在真實(shí)任務(wù)形態(tài)下的整體表現(xiàn)。

第二，它提出復(fù)雜度因子體系，把真實(shí)世界任務(wù)復(fù)雜性拆解為可標(biāo)注、可統(tǒng)計(jì)、可比較的結(jié)構(gòu)性壓力。

第三，它用全棧可執(zhí)行 mock 環(huán)境和軌跡分析，將模型最終得分、環(huán)境狀態(tài)變化和行為模式聯(lián)系起來(lái)，從而分析模型為什么成功、為什么失敗。

• 論文標(biāo)題：LiveClawBench: Benchmarking LLM Agents on Complex, Real-World Assistant Tasks
• 論文鏈接：https://arxiv.org/abs/2604.13072
• Github：https://github.com/Mosi-AI/LiveClawBench
• 軌跡路徑：https://huggingface.co/datasets/Mosi-AI/LiveClawbench-trajectories

134 個(gè)可執(zhí)行任務(wù)，前沿模型也沒有打穿

作為一個(gè)面向開放領(lǐng)域的 benchmark, LiveClawBench 包含 134 個(gè)可執(zhí)行 case，覆蓋 10 個(gè) OpenClaw 應(yīng)用領(lǐng)域，并構(gòu)建在 22 個(gè)可復(fù)用的全棧 mock 服務(wù)之上。

這些任務(wù)不是孤立的 API 調(diào)用，而是個(gè)人助理工作流。模型需要在多個(gè)服務(wù)、文件、狀態(tài)和上下文之間完成真實(shí)操作，并由最終環(huán)境狀態(tài)決定任務(wù)是否成功。

實(shí)驗(yàn)結(jié)果顯示，即使是當(dāng)前較強(qiáng)的模型，也還沒有穩(wěn)定解決個(gè)人助理任務(wù)。

這里的 Pass^3 (score>0.8) 指三次運(yùn)行評(píng)分都超過 0.8 分。它衡量的不是偶然成功，而是高質(zhì)量穩(wěn)定完成。在 22 個(gè)高難度任務(wù)上，強(qiáng)模型如 GPT5.5 的 Pass^3 僅為 5.3. 這說(shuō)明，當(dāng)前 Agent 已經(jīng)具備一定的軟件操作能力，但距離可靠的個(gè)人助理仍有明顯差距，在復(fù)雜、有狀態(tài)、跨服務(wù)的工作流中仍然存在明顯不穩(wěn)定性。

從任務(wù)分布來(lái)看，LiveClawBench 更關(guān)注日常個(gè)人助理工作流。相比之下，當(dāng)前的 SOTA 模型，如 Opus 系列模型、GLM 5.2 等，則在 coding 與安全對(duì)齊上經(jīng)過更強(qiáng)優(yōu)化。

這里的關(guān)鍵差異在于任務(wù)閉環(huán)。Coding 任務(wù)通常發(fā)生在倉(cāng)庫(kù)、測(cè)試和沙盒環(huán)境中，模型的動(dòng)作邊界相對(duì)清晰，獲得相對(duì)明確的反饋也相對(duì)明確。而個(gè)人助理任務(wù)往往需要直接作用于用戶數(shù)據(jù)和外部通信，例如發(fā)送郵件、提交表單、修改日歷、更新記錄。一旦執(zhí)行，就會(huì)產(chǎn)生真實(shí)的狀態(tài)變化和副作用。因此，個(gè)人助理場(chǎng)景更考驗(yàn)?zāi)Ｐ腿绾翁幚硇袆?dòng)邊界。相比于代碼場(chǎng)景，對(duì)于更強(qiáng)調(diào)安全邊界和謹(jǐn)慎策略的模型，更容易觸發(fā)「停下來(lái)確認(rèn)」的保守行為，從而影響任務(wù)完成率。

從軌跡上看，GLM-5.2 和 Opus-4.8 傾向于更保守：它們可以讀完信息、完成必要判斷，但在需要發(fā)送郵件、提交表單或執(zhí)行外部動(dòng)作時(shí)，更容易停在「需要用戶確認(rèn)」或「無(wú)法驗(yàn)證條件」的階段。例如在部分采購(gòu)、財(cái)務(wù)和日程類任務(wù)中，模型已經(jīng)識(shí)別出關(guān)鍵信息，卻沒有完成最終狀態(tài)變更，導(dǎo)致判定失敗。

這種現(xiàn)象說(shuō)明，不同模型之間的用戶體驗(yàn)差異，很大程度上也取決于不同場(chǎng)景下的執(zhí)行策略與風(fēng)險(xiǎn)偏好取舍。謹(jǐn)慎可以提升安全性，但在個(gè)人助理場(chǎng)景中，如果模型頻繁停在確認(rèn)、拒絕或說(shuō)明階段，也會(huì)降低用戶體驗(yàn)。這正是 LiveClawBench 希望測(cè)試的問題：模型對(duì)真實(shí)工作流中的行動(dòng)邊界的判斷。

任務(wù)領(lǐng)域不是答案，復(fù)雜度畫像才更接近真實(shí)難點(diǎn)

Leaderboard 只能回答「誰(shuí)更強(qiáng)」，不能回答「為什么強(qiáng)、為什么弱」。一個(gè)模型得分更高，究竟是因?yàn)樗鼤?huì)調(diào)用工具，還是更會(huì)理解隱含目標(biāo)？這正是 LiveClawBench 引入復(fù)雜度因子體系的原因。

為了解決這個(gè)問題，LiveClawBench 提出了三軸復(fù)雜度框架，將個(gè)人助理任務(wù)中的困難概括為三類：

• A: 環(huán)境復(fù)雜性，關(guān)注軟件環(huán)境本身帶來(lái)的挑戰(zhàn)，包括跨服務(wù)依賴 (A1) 和污染初始狀態(tài) (A2)。前者要求 Agent 在多個(gè)服務(wù)之間維護(hù)一致狀態(tài)，后者要求 Agent 識(shí)別并修復(fù)錯(cuò)誤、不完整或沖突的環(huán)境信息。
• B: 認(rèn)知負(fù)擔(dān)，關(guān)注用戶請(qǐng)求和長(zhǎng)期上下文帶來(lái)的挑戰(zhàn)，包括隱含目標(biāo)解析 (B1) 和知識(shí)維護(hù) (B2)。真實(shí)用戶請(qǐng)求往往簡(jiǎn)短、模糊、不完整，Agent 需要從上下文和環(huán)境中推斷真實(shí)目標(biāo)，并在更新持久化知識(shí)或 artifact 時(shí)保持一致性。
• C: 運(yùn)行時(shí)適應(yīng)性，關(guān)注執(zhí)行過程中出現(xiàn)變化后，Agent 是否能調(diào)整計(jì)劃，并確認(rèn)最終結(jié)果仍然滿足用戶目標(biāo)。它包括環(huán)境擾動(dòng) (C1)，以及環(huán)境變化后的結(jié)果驗(yàn)證 (C2)。

在這個(gè)框架下，每個(gè) case 都不只是一個(gè)任務(wù)題目，而是一個(gè)帶有復(fù)雜度因子標(biāo)注的診斷單元。一個(gè)任務(wù)可能涉及跨服務(wù)依賴，也可能包含污染初始狀態(tài)；可能要求模型推斷隱含目標(biāo)，也可能同時(shí)包含運(yùn)行時(shí)擾動(dòng)和最終結(jié)果驗(yàn)證。

這使 LiveClawBench 不只是回答「哪個(gè)模型，在什么領(lǐng)域上分?jǐn)?shù)更高」，而是進(jìn)一步回答：

• 這個(gè)模型在哪些復(fù)雜度來(lái)源下表現(xiàn)穩(wěn)定？在哪些任務(wù)壓力下容易退化？
• 它的失敗，到底是來(lái)自現(xiàn)實(shí)世界任務(wù)中的何種挑戰(zhàn)？

誰(shuí)更能解釋分?jǐn)?shù)波動(dòng)？領(lǐng)域不夠，復(fù)雜度更接近答案

如果只按 domain 分析，我們可以知道模型在 daily-life、coding、content 等領(lǐng)域的平均表現(xiàn)。

但這種分析會(huì)掩蓋同一領(lǐng)域內(nèi)部的高低波動(dòng)。

一個(gè) daily-life 任務(wù)可能只是添加日歷事件，也可能需要跨郵件、日歷、提醒、聯(lián)系人和文檔協(xié)調(diào)狀態(tài)。

一個(gè) coding 任務(wù)可能只是修復(fù)明確報(bào)錯(cuò)，也可能需要處理污染配置、依賴沖突、服務(wù)啟動(dòng)失敗和最終部署驗(yàn)證。

如果只看 domain，這些任務(wù)會(huì)被放進(jìn)同一個(gè)桶里；但如果看復(fù)雜度畫像，它們對(duì)應(yīng)的挑戰(zhàn)完全不同。

誰(shuí)解釋了更多分?jǐn)?shù)波動(dòng)？

按照平均分?jǐn)?shù)均分成三檔后：

• 高性能模型中，domain 能夠解釋約9.6%的分?jǐn)?shù)波動(dòng)，復(fù)雜度因子可解釋分?jǐn)?shù)波動(dòng)達(dá)18.6%；
• 中等性能模型中，domain 解釋約12.9%的分?jǐn)?shù)波動(dòng)，復(fù)雜度畫像解釋約21.1%的分?jǐn)?shù)波動(dòng)；
• 低性能模型中，domain 解釋約17.7%的分?jǐn)?shù)波動(dòng)，復(fù)雜度畫像解釋約16.1%的分?jǐn)?shù)波動(dòng)。

這說(shuō)明，弱模型可能仍更受基礎(chǔ)領(lǐng)域能力限制；但當(dāng)模型跨領(lǐng)域基礎(chǔ)能力逐漸增強(qiáng)后，真正決定性能波動(dòng)的，不再主要是任務(wù)屬于哪個(gè)領(lǐng)域，而是任務(wù)是否包含更深層的結(jié)構(gòu)性復(fù)雜度。

這也解釋了用戶為什么會(huì)感到 Agent 表現(xiàn)參差。

Daily-life 用戶更常遇到跨服務(wù)依賴和結(jié)果驗(yàn)證問題。Coding 用戶可能更多遇到污染狀態(tài)和運(yùn)行時(shí)適應(yīng)問題：Agent 修復(fù)了表面錯(cuò)誤，卻沒有發(fā)現(xiàn)環(huán)境配置本身已經(jīng)臟了；服務(wù)啟動(dòng)失敗后，它沒有重新規(guī)劃。Content 用戶可能更多遇到隱含目標(biāo)和知識(shí)維護(hù)問題：Agent 寫出了流暢文本，卻沒有維護(hù)長(zhǎng)期上下文一致性，也沒有過濾不該傳播的信息。

這些都不是簡(jiǎn)單的 domain 差異，而是復(fù)雜度因子差異。

復(fù)雜度因子會(huì)帶來(lái)不同失敗模式

LiveClawBench 的實(shí)驗(yàn)也進(jìn)一步顯示，復(fù)雜度因子會(huì)系統(tǒng)性影響模型表現(xiàn)，而且不同 factor 暴露出的失敗模式并不相同。

跨服務(wù)依賴是當(dāng)前 Agent 的核心難點(diǎn)之一。個(gè)人助理任務(wù)經(jīng)常要求模型在多個(gè)服務(wù)之間維護(hù)一致狀態(tài)。如果模型只能完成局部操作，卻無(wú)法把多個(gè)服務(wù)的狀態(tài)協(xié)調(diào)起來(lái)，用戶就會(huì)感到任務(wù)「看似做了，但沒有真正完成」。

隱含目標(biāo)解析是另一個(gè)穩(wěn)定瓶頸。真實(shí)用戶請(qǐng)求往往不會(huì)把所有約束顯式寫出來(lái)。很多失敗并不是模型完全不會(huì)操作，而是它優(yōu)化了錯(cuò)誤的目標(biāo)：執(zhí)行了很多步驟，但做的并不是用戶真正想要的事。

運(yùn)行時(shí)適應(yīng)性進(jìn)一步暴露出當(dāng)前 Agent 的脆弱性。真實(shí)環(huán)境不是靜態(tài)的。任務(wù)執(zhí)行過程中，狀態(tài)可能變化，前提可能失效，某個(gè)操作可能沒有真正生效。Agent 不能只沿著初始計(jì)劃走到底，而必須在執(zhí)行后重新驗(yàn)證最終狀態(tài)是否仍然滿足用戶目標(biāo)。

LiveClawBench 的核心不是把任務(wù)做得更難，而是讓任務(wù)難度可解釋。

它用復(fù)雜度因子體系把真實(shí)個(gè)人助理任務(wù)中的復(fù)雜性原則化拆解出來(lái)，并進(jìn)一步驗(yàn)證這些復(fù)雜性確實(shí)會(huì)對(duì)模型性能產(chǎn)生系統(tǒng)性影響。

為什么不能只做 API mock？

如果要診斷 Agent 為什么成功或失敗，僅僅設(shè)計(jì)復(fù)雜任務(wù)還不夠。評(píng)測(cè)環(huán)境本身也必須足夠真實(shí)。

很多 Agent Benchmark 使用 mock 服務(wù)來(lái)保證可控性和可復(fù)現(xiàn)性。但如果 mock 只是一個(gè) endpoint-level stub，評(píng)測(cè)很容易退化成「模型能否選對(duì) API」。這類評(píng)測(cè)可以測(cè)試工具選擇能力，卻很難觀察個(gè)人助理任務(wù)中真正關(guān)鍵的東西：session 是否保持，artifact 是否更新，后端狀態(tài)是否改變，下游副作用是否發(fā)生，最終環(huán)境是否真的滿足用戶目標(biāo)。

這就是 LiveClawBench 強(qiáng)調(diào) mock fidelity 的原因。

LiveClawBench 沒有把 mock 環(huán)境簡(jiǎn)化成一組孤立接口，而是將每個(gè)任務(wù)實(shí)例化為可復(fù)現(xiàn)的全棧 mock 應(yīng)用。Agent 需要在容器化環(huán)境中與瀏覽器界面、服務(wù) API、文件系統(tǒng)、后端數(shù)據(jù)庫(kù)和審計(jì)日志交互。

任務(wù)是否完成，不只看模型說(shuō)了什么，而是看最終軟件狀態(tài)是否真的被正確改變。

在個(gè)人助理任務(wù)中，成功不是「調(diào)用了正確 API」，而是「用戶目標(biāo)在環(huán)境中真的成立」。郵件是否發(fā)給了正確的人，日歷是否避免了沖突，文檔是否被正確更新，代碼環(huán)境是否真的修復(fù)，敏感信息是否沒有被傳播 —— 這些都需要一個(gè)有狀態(tài)、可驗(yàn)證、可復(fù)現(xiàn)的軟件環(huán)境來(lái)承載。

這種 mock fidelity 讓 LiveClawBench 兼顧了兩點(diǎn)：

• 一方面，它避免直接依賴真實(shí)線上服務(wù)帶來(lái)的不穩(wěn)定性和不可復(fù)現(xiàn)性；
• 另一方面，它又盡可能保留真實(shí)軟件工作流中的狀態(tài)轉(zhuǎn)移、artifact 更新和副作用證據(jù)。

因此，LiveClawBench 的 full-stack mock 并不是為了把任務(wù)變簡(jiǎn)單，而是為了在可控環(huán)境中保留真實(shí)執(zhí)行語(yǔ)義。只有這樣，復(fù)雜度因子才真正能被測(cè)量，模型失敗才會(huì)留下可觀察的證據(jù)。

軌跡分析：復(fù)雜度不僅影響分?jǐn)?shù)，也改變 Agent 行為

LiveClawBench 進(jìn)一步分析了 Agent 的執(zhí)行軌跡。

如果說(shuō) Leaderboard 告訴我們「模型表現(xiàn)如何」，復(fù)雜度因子告訴我們「任務(wù)難在哪里」，那么軌跡分析則進(jìn)一步回答：這些復(fù)雜性是如何改變 Agent 行為的。

作者從 Agent 軌跡中提取多組行為指標(biāo)，包括執(zhí)行步數(shù)、工具調(diào)用密度、重復(fù)調(diào)用、工具多樣性、錯(cuò)誤恢復(fù)、驗(yàn)證行為、盲改率和終止行為等。

這些指標(biāo)不依賴模型隱藏的思維過程，而是來(lái)自可觀察的工具調(diào)用、環(huán)境反饋和最終動(dòng)作。

結(jié)果顯示，不同復(fù)雜度因子會(huì)誘導(dǎo)不同的行為模式。

跨服務(wù)依賴、污染狀態(tài)和隱含目標(biāo)通常會(huì)讓 Agent「多想多做」，但這并不必然帶來(lái)更高成功率。模型可能調(diào)用更多工具、讀取更多上下文、執(zhí)行更多步驟，卻仍然因?yàn)闋顟B(tài)整合失敗或目標(biāo)判斷錯(cuò)誤而空耗。

知識(shí)維護(hù)類任務(wù)則可能出現(xiàn)另一種行為：Agent 完成字面要求后過早收手，沒有繼續(xù)維護(hù)更深層的長(zhǎng)期一致性。

運(yùn)行時(shí)擾動(dòng)和結(jié)果驗(yàn)證任務(wù)中，失敗又常常表現(xiàn)為沒有在關(guān)鍵狀態(tài)變化后重新檢查，最終以過早結(jié)束收尾。

這說(shuō)明，復(fù)雜度因子不只是影響最終分?jǐn)?shù)，也會(huì)改變 Agent 的行為過程。

這對(duì)診斷非常重要。

兩個(gè)模型可能最終都失敗，但失敗路徑可能完全不同：一個(gè)模型可能反復(fù)調(diào)用同一個(gè)工具，說(shuō)明它陷入局部循環(huán)；另一個(gè)模型可能很少驗(yàn)證寫入結(jié)果，說(shuō)明它缺乏狀態(tài)意識(shí)；還有一個(gè)模型可能頻繁讀取信息但無(wú)法收斂，說(shuō)明它在目標(biāo)解析或計(jì)劃更新上存在問題。

因此，LiveClawBench 的診斷并不止于「這個(gè)任務(wù)失敗了」。它可以進(jìn)一步追蹤失敗發(fā)生在任務(wù)復(fù)雜性的哪一部分，以及 Agent 在執(zhí)行過程中表現(xiàn)出了什么行為模式。

這也是 LiveClawBench 與普通 Leaderboard 的根本區(qū)別：它不只評(píng)估結(jié)果，還試圖打開 Agent 執(zhí)行過程。

從排行榜走向診斷工具

LiveClawBench 給出的判斷是：當(dāng)前 Agent 已經(jīng)越來(lái)越會(huì)操作軟件，但距離真正可靠的個(gè)人助理仍有距離。

在整體榜單上，前沿模型已經(jīng)明顯領(lǐng)先，但 Hard 子集和 Pass^3 結(jié)果表明，它們?cè)趶?fù)雜、有狀態(tài)、跨服務(wù)工作流中仍不穩(wěn)定。

復(fù)雜度分析進(jìn)一步提示，domain 只能解釋有限的性能波動(dòng)，而 complexity profile 更接近任務(wù)挑戰(zhàn)來(lái)源，尤其對(duì)高性能通用模型更明顯。

Factor-level 分析說(shuō)明，這種不穩(wěn)定并不是隨機(jī)噪聲，而是與跨服務(wù)依賴、隱含目標(biāo)解析、污染狀態(tài)診斷、知識(shí)維護(hù)深度、運(yùn)行時(shí)適應(yīng)和結(jié)果驗(yàn)證等真實(shí)任務(wù)復(fù)雜性直接相關(guān)。

軌跡分析則進(jìn)一步顯示，這些復(fù)雜性不僅影響得分，也會(huì)改變 Agent 的執(zhí)行行為。

因此，LiveClawBench 的價(jià)值不只是提供一個(gè)新的 Agent 排行榜。

它更像是一個(gè)診斷工具：用 benchmark 給出整體能力水平，用復(fù)雜度因子體系分解真實(shí)世界任務(wù)復(fù)雜性，用 full-stack mock 環(huán)境保留可驗(yàn)證的執(zhí)行證據(jù)，再用軌跡分析解釋 Agent 在不同復(fù)雜性壓力下如何行動(dòng)、如何失敗。

這也給模型改進(jìn)提供了更具體的方向：

更穩(wěn)健的多服務(wù)編排，更主動(dòng)的隱式目標(biāo)確認(rèn)，更可靠的污染狀態(tài)診斷，更深層的知識(shí)維護(hù)，更嚴(yán)格的完成度自檢，以及更好的安全副作用控制。

這正是個(gè)人助理型 Agent 進(jìn)入真實(shí)用戶工作空間之前必須回答的問題：

AI Agent 好不好用，到底差在哪？

作者信息

本文共有 3 位共同第一作者，分別為三星大模型研究員龍翔、杜理，以及香港科技大學(xué)徐翊龍。

通訊作者唐業(yè)輝現(xiàn)任三星大模型團(tuán)隊(duì)負(fù)責(zé)人，負(fù)責(zé)三星 Foundation Model 與 Physical AI 核心技術(shù)研發(fā)，帶領(lǐng)團(tuán)隊(duì)構(gòu)建三星統(tǒng)一的底層 AI 能力體系，為手機(jī)、PC、智能家居、機(jī)器人等終端生態(tài)提供統(tǒng)一的基礎(chǔ)模型與算法能力。公開資料顯示，唐業(yè)輝博士畢業(yè)于北京大學(xué)，長(zhǎng)期從事大模型研究，Google Scholar 引用超過 1.3 萬(wàn)次。