Claude 通过率不到4%，SaaS-Bench撕碎了Computer-Use的「全自动办公」幻想
量子位2718 字 (约 11 分钟)
92
SaaS-Bench评测显示主流大模型在真实办公任务中完全通过率不足4%，揭示AI全自动办公仍面临巨大挑战。
入选理由：Claude Opus 4.7在106个真实办公任务中仅完全通过3.8%（4个）
精选文章#AI Agent#大模型评测#自动化办公#SaaS-Bench#Claude中文
产品
SaaS-Bench
别名：SaaSBench
UniPat AI发布的AI Agent评测基准，包含23个真实SaaS系统和106个办公任务。
已跟踪 1 条高相关材料
TraeAI 观察
最近变化
2026-05-25 · Claude Opus 4.7在106个真实办公任务中仅完全通过3.8%（4个）
为什么值得关注
SaaS-Bench 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
AI AgentClaudeSaaS-Bench大模型评测自动化办公
相关材料
已收录 1 条与 SaaS-Bench 相关的内容，按评分排序。