AutomationBench (Private)Agent

采用 AutomationBench 官方排行榜的私有留出评测集；该题集与公开仓库中的 600 题并非同一数据集，且私有任务可能随版本调整，因此不与公开集成绩合并。AutomationBench (Private) 是 AutomationBench 官方排行榜使用的私有留出评测集。其任务分布与公开 600 题相近但刻意更难且不公开，采用全部断言通过才算完成的严格任务通过率。

排行数据源

#模型得分

1

Claude Fable 5.1Anthropic

31.4%

2

Claude Opus 5Anthropic

26.9%

3

GPT-5.6 SolOpenAI

19.6%

4

Claude Fable 5Anthropic

17.1%

共 4 个模型

返回基准目录