AutomationBench · 1.0.6; 47 tools; chart-reported score, scoring rule unspecified · 测试定义与成绩

AutomationBench · 1.0.6; 47 tools; chart-reported score, scoring rule unspecified 收录 6 次模型发布的评测披露或成绩。

测试版本与指标

别名 AutomationBench 1.0.6 (score)

  • Score · % · 越高越好

各系列最新模型 · 公布成绩

常规展示范围。排名按指标与评测协议分组,已记录的工具、预算及框架分别展示。条件未说明的组保留公布值供查证。

Score %

工具条件未记录 / low / 框架未记录 · 条件未说明

AutomationBench · 1.0.6; 47 tools; chart-reported score, scoring rule unspecified · Score · 工具条件未记录 / low / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-6.2 AstraLow37.1%
GPT-6.2 SolLow31.2%
GPT-6 LunaLow1.2%

工具条件未记录 / medium / 框架未记录 · 条件未说明

AutomationBench · 1.0.6; 47 tools; chart-reported score, scoring rule unspecified · Score · 工具条件未记录 / medium / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-6.2 AstraMedium43.8%
GPT-6.2 SolMedium40.2%
GPT-6 LunaMedium9.4%

工具条件未记录 / high / 框架未记录 · 条件未说明

AutomationBench · 1.0.6; 47 tools; chart-reported score, scoring rule unspecified · Score · 工具条件未记录 / high / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-6.2 AstraHigh47.9%
GPT-6.2 SolHigh41.2%
GPT-6 LunaHigh14.5%

工具条件未记录 / xhigh / 框架未记录 · 条件未说明

AutomationBench · 1.0.6; 47 tools; chart-reported score, scoring rule unspecified · Score · 工具条件未记录 / xhigh / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-6.2 AstraXhigh47.2%
GPT-6.2 SolXhigh40.6%
GPT-6 LunaXhigh12.6%

工具条件未记录 / max / 框架未记录 · 条件未说明

AutomationBench · 1.0.6; 47 tools; chart-reported score, scoring rule unspecified · Score · 工具条件未记录 / max / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-6.2 AstraMax52.4%
GPT-6.2 SolMax41.1%
GPT-6 LunaMax20.7%

工具条件未记录 / max / 框架未记录 · AutomationBench 1.0.6 private held-out set; 657 tasks per effort level; Zapier API default fallbacks; max effort.

AutomationBench · 1.0.6; 47 tools; chart-reported score, scoring rule unspecified · Score · 工具条件未记录 / max / 框架未记录 · AutomationBench 1.0.6 private held-out set; 657 tasks per effort level; Zapier API default fallbacks; max effort.
模型与配置成绩(%)记录与证据
Claude Fable 5.2Max51.4%

工具条件未记录 / low / 框架未记录 · AutomationBench 1.0.6 private held-out set; 657 tasks per effort level; low effort; API default fallbacks.

AutomationBench · 1.0.6; 47 tools; chart-reported score, scoring rule unspecified · Score · 工具条件未记录 / low / 框架未记录 · AutomationBench 1.0.6 private held-out set; 657 tasks per effort level; low effort; API default fallbacks.
模型与配置成绩(%)记录与证据
Claude Fable 5.2Low39.7%

工具条件未记录 / medium / 框架未记录 · AutomationBench 1.0.6 private held-out set; 657 tasks per effort level; medium effort; API default fallbacks.

AutomationBench · 1.0.6; 47 tools; chart-reported score, scoring rule unspecified · Score · 工具条件未记录 / medium / 框架未记录 · AutomationBench 1.0.6 private held-out set; 657 tasks per effort level; medium effort; API default fallbacks.
模型与配置成绩(%)记录与证据
Claude Fable 5.2Medium40.2%

工具条件未记录 / high / 框架未记录 · AutomationBench 1.0.6 private held-out set; 657 tasks per effort level; high effort; API default fallbacks.

AutomationBench · 1.0.6; 47 tools; chart-reported score, scoring rule unspecified · Score · 工具条件未记录 / high / 框架未记录 · AutomationBench 1.0.6 private held-out set; 657 tasks per effort level; high effort; API default fallbacks.
模型与配置成绩(%)记录与证据
Claude Fable 5.2High44.3%

历史记录 · 6 次发布

  • GPT-6.2 Astra本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • GPT-6.2 Sol本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • Claude Fable 5.2本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • GPT-6.1 Sol本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • GPT-6 Luna本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • GPT-6 Sol本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)