在一个全新的独立 AutomationBench 排行榜上（涵盖 40 个模拟 SaaS 应用中的 657 项任务），Claude Fable 5 以 48.6% 的准确率领先，仅略高于 Opus 4.8 的 48.5%，而所有受测模型在一定比例上仍会违反业务规则护栏。

Artificial Analysis 独立的 AutomationBench-AA 排行榜显示，Claude Fable 5 以微弱优势领先 Opus 4.8，Gemini 和 GPT-5.5 则落后更多；该榜单还指出，所有模型仍会违反业务规则护栏。 ✦ AI 生成 · 平台预翻

Artificial Analysis · Latent Space · 2026-07-07 · English original →

AutomationBench-AA 增加了一项更贴近现实的 agent 评测：@ArtificialAnlys 为 Zapier 的 AutomationBench 推出了一个独立排行榜，在 40 个模拟 SaaS 应用中的 657 项任务上评测各类 agent，同时考察目标达成情况与护栏遵守情况。Claude Fable 5 以 48.6% 领先，仅略高于 Opus 4.8 的 48.5%，Gemini 3.5 Flash 为 42.6%，GPT-5.5 xhigh 为 42.1%。

AutomationBench-AA adds a more realistic agent eval: @ArtificialAnlys launched an independent leaderboard for Zapier’s AutomationBench, evaluating agents across 657 tasks and 40 simulated SaaS apps with both objectives and guardrails. Claude Fable 5 led at 48.6%, narrowly ahead of Opus 4.8 at 48.5%, with Gemini 3.5 Flash at 42.6% and GPT-5.5 xhigh at 42.1%.

阅读原文 ↗合理引用摘录 · 中文为平台译文