AutomationBench-AA(Artificial Analysis)
Artificial Analysis / 专业办公 · 在模拟办公软件中处理业务流程,按完成目标和守规情况评分。
在 AIHOT 中参与排名
所属领域专业办公
上游数据时间待核实
最近成功同步11/18 20:05
它测什么,怎么测
取 Artificial Analysis 独立公布的 AutomationBench-AA 的完成率。同一型号按最高推理档位选代表配置,选择不看分数。
AIHOT 怎么用它
计分:专业办公领域的业务流程一类。
评测成绩
同一模型测了多个档位时,按固定规则只取一套代表成绩;没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示,名次照搬原榜,每项最多列 30 个。
| 原榜名次 | 原榜型号 | 原始成绩 | 代表配置 |
|---|---|---|---|
| 1 | gemini-4-carbonGoogle | 77.8% | High 推理 |
| 3 | gemini-4-argonGoogle | 77.5% | High 推理 |
| 4 | gpt-6-2-astraOpenAI | 77.2% | Max 推理 |
| 5 | claude-fable-5-2Anthropic | 76.4% | Max 推理 · 含来源回退 |
| 6 | gemini-4-hydrogenGoogle | 76.1% | xHigh 推理 |
| 12 | kimi-k3-1-proMoonshot AI | 73.3% | 来源默认配置 |
| 14 | qwen4-maxAlibaba | 72.6% | 来源默认配置 |
| 15 | minimax-m3-1-flashMiniMax | 72.5% | 来源默认配置 |
| 17 | claude-sonnet-5-5Anthropic | 71.8% | Max 推理 · 含来源回退 |
| 19 | muse-wonder-fullMeta | 71.3% | Max 推理 |
| 20 | gpt-6-2-solOpenAI | 71.3% | Max 推理 |
| 24 | claude-opus-5-5Anthropic | 69.5% | Max 推理 · 含来源回退 |
| 25 | deepseek-v4-1-flashDeepSeek | 68.9% | Max 推理 |
| 29 | gpt-6-astraOpenAI | 68.5% | Max 推理 |
| 30 | muse-wonderMeta | 68.1% | Max 推理 |
| 31 | muse-emberMeta | 68.1% | Max 推理 |
| 33 | ling-3-1-flashInclusionAI | 67.5% | 来源默认配置 |
| 36 | grok-4-6-xhighxAI | 67.0% | xHigh 推理 |
| 39 | deepseek-v4-1-flash-1017DeepSeek | 66.6% | Max 推理 |
| 42 | tencent-hy4Tencent | 65.6% | 来源默认配置 |
| 43 | grok-4-7xAI | 65.6% | xHigh 推理 |
| 46 | gpt-6-1-solOpenAI | 64.9% | Max 推理 |
| 49 | mimo-v2-6-flashXiaomi | 64.1% | 来源默认配置 |
| 56 | glm-5-3Z.ai | 62.2% | Max 推理 |
| 57 | gemini-3-7-flashGoogle | 62.0% | High 推理 |
| 58 | joyai-vlJoy Future Academy | 61.7% | 来源默认配置 |
| 59 | ling-3-1-flash-1001InclusionAI | 61.7% | 来源默认配置 |
| 61 | gpt-6-solOpenAI | 61.6% | Max 推理 |
| 65 | glm-5-3-flashZ.ai | 60.4% | 来源默认配置 |
| 66 | gpt-6-1-terraOpenAI | 60.2% | Max 推理 |
评测局限与数据署名
在 AA 的统一环境中运行,与 Zapier 官方榜单的私有测试集不同。
数据许可:Artificial Analysis 公开页面数据;展示须显著署名并链接来源,遵守其 Terms of Use
成绩由 Artificial Analysis 发布。各项评测的原始分数尺度不同,不能直接相加;AIHOT 按公开规则把它们折算成同一种分数。