多套真实任务评测显示 Agent 成功率偏低，Claude Opus 5 电商任务通过率 60.75%
说一个反常识的真相，Agent如今在真实工作场景的成功率依然很低。
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
数字生命卡兹克梳理了 RealReplicaBench、DeepSWE、E-Bench、VibeLifeBench 等多套真实工作场景评测集，指出 Agent 在这些任务上的成功率远低于 Coding 场景。
来源：数字生命卡兹克 · 微信公众号 · mp.weixin.qq.com