发生了什么
[Artificial Analysis] [公布] [AutomationBench-AA榜单](Zapier合作，测试AI agent跨40个SaaS应用的657个任务)
为什么值得关注
该基准提供了多模型在复杂工作流中的细粒度表现数据，包括防护栏违规和成本效率，值得点开原文查看完整榜单和方法论。
信息来源
以下内容来自公开来源，可打开原文继续核验。
01
AutomationBench-AA评测
Artificial Analysis与Zapier合作发布AutomationBench-AA基准测试，评估AI agent在真实SaaS工作流中的表现，涵盖Finance、HR等6个领域的657个任务，跨40个模拟应用。Claude Fable 5以48.6%得分领先，Opus 4.8为48.5%，Gemini 3.5 Flash为42.6%，GPT-5.5为42.1%。Gemini 3.5 Flash每任务成本0.49美元，GPT-5.5为1.32美元。所有模型均违反商业规则，Gemini 3.5 Flash每任务防护栏违规0.46次，比例最优。
打开原始来源 ↗