跳到正文

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。

官方评测
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
1gemini-4-carbonGoogle77.8%High 推理
3gemini-4-argonGoogle77.5%High 推理
4gpt-6-2-astraOpenAI77.2%Max 推理
5claude-fable-5-2Anthropic76.4%Max 推理 · 含来源回退
6gemini-4-hydrogenGoogle76.1%xHigh 推理
12kimi-k3-1-proMoonshot AI73.3%来源默认配置
14qwen4-maxAlibaba72.6%来源默认配置
15minimax-m3-1-flashMiniMax72.5%来源默认配置
17claude-sonnet-5-5Anthropic71.8%Max 推理 · 含来源回退
19muse-wonder-fullMeta71.3%Max 推理
20gpt-6-2-solOpenAI71.3%Max 推理
24claude-opus-5-5Anthropic69.5%Max 推理 · 含来源回退
25deepseek-v4-1-flashDeepSeek68.9%Max 推理
29gpt-6-astraOpenAI68.5%Max 推理
30muse-wonderMeta68.1%Max 推理
31muse-emberMeta68.1%Max 推理
33ling-3-1-flashInclusionAI67.5%来源默认配置
36grok-4-6-xhighxAI67.0%xHigh 推理
39deepseek-v4-1-flash-1017DeepSeek66.6%Max 推理
42tencent-hy4Tencent65.6%来源默认配置
43grok-4-7xAI65.6%xHigh 推理
46gpt-6-1-solOpenAI64.9%Max 推理
49mimo-v2-6-flashXiaomi64.1%来源默认配置
56glm-5-3Z.ai62.2%Max 推理
57gemini-3-7-flashGoogle62.0%High 推理
58joyai-vlJoy Future Academy61.7%来源默认配置
59ling-3-1-flash-1001InclusionAI61.7%来源默认配置
61gpt-6-solOpenAI61.6%Max 推理
65glm-5-3-flashZ.ai60.4%来源默认配置
66gpt-6-1-terraOpenAI60.2%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。