AutomationBench · Zapier 私有 early-access set;版本未注明 · 测试定义与成绩

AutomationBench · Zapier 私有 early-access set;版本未注明 收录 4 次模型发布的评测披露或成绩。

测试版本与指标

别名 AutomationBench

  • Pass rate · % · 越高越好
  • Cost per task · USD/task · 越低越好

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。

Pass rate %

工具条件未记录 / max / 框架未记录 · Zapier AutomationBench;版本未注明,early-access evaluation。

AutomationBench · Zapier 私有 early-access set;版本未注明 · Pass rate · 工具条件未记录 / max / 框架未记录 · Zapier AutomationBench;版本未注明,early-access evaluation。
模型与配置成绩(%)记录与证据
Claude Opus 5.5Max40%

历史记录 · 4 次发布

  • Claude Opus 5.5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Opus 5本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • GPT-5.6 Luna本次发布有 6 条成绩记录,含 6 条精确值(可含历史记录)
  • GPT-5.6 Terra本次发布有 6 条成绩记录,含 6 条精确值(可含历史记录)