JobBenchAgent

JobBench 评估 AI Agent 完成真实职业任务的能力，覆盖需要持续信息检索、工具调用、文档处理和多步骤决策的专业工作流。用于衡量模型作为通用工作代理在实际岗位场景中的可用性。

#	模型	得分 (%)	厂商	来源
1	Muse Spark 1.1	54.7	Meta	Meta Muse Spark 1.1 Evaluation Report
2	Claude Opus 4.8	48.4	Anthropic	Meta Muse Spark 1.1 Evaluation Report
3	GPT-5.5	38.3	OpenAI	Meta Muse Spark 1.1 Evaluation Report
4	Muse Spark	17	Meta	Meta Muse Spark 1.1 Evaluation Report
5	Gemini 3.1 Pro	15.9	Google	Meta Muse Spark 1.1 Evaluation Report

JobBench 评估 AI Agent 完成真实职业任务的能力，覆盖需要持续信息检索、工具调用、文档处理和多步骤决策的专业工作流。用于衡量模型作为通用工作代理在实际岗位场景中的可用性。

#	模型	得分 (%)	厂商	来源
1	Muse Spark 1.1	54.7	Meta	Meta Muse Spark 1.1 Evaluation Report
2	Claude Opus 4.8	48.4	Anthropic	Meta Muse Spark 1.1 Evaluation Report
3	GPT-5.5	38.3	OpenAI	Meta Muse Spark 1.1 Evaluation Report
4	Muse Spark	17	Meta	Meta Muse Spark 1.1 Evaluation Report
5	Gemini 3.1 Pro	15.9	Google	Meta Muse Spark 1.1 Evaluation Report