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
公司
别名:UniPat
发布SaaS-Bench评测的AI公司,致力于AI Agent能力评估。
已跟踪 2 条高相关材料
最近变化
2026-11-14 · SPU基准测试覆盖116个任务,4207个湿实验,涵盖化学、材料科学、生物和医学。
为什么值得关注
UniPat AI 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。
已收录 2 条与 UniPat AI 相关的内容,按评分排序。
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)
SPU基准测试显示,当前AI在湿实验预测能力上普遍不足,即使算力提升也难以达到理想效果。
入选理由:SPU基准测试覆盖116个任务,4207个湿实验,涵盖化学、材料科学、生物和医学。