阿里国际站开源的RealReplicaBench评测显示，107个真实电商任务中，Claude Opus 5以60.75%通过率居首，Qwen 3.8 Max和DeepSeek V4 Pro以49.53%并列第三，多数模型通过率不足50%。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmswha6w10t3crovmzks6x0yt
信息源：AI HOT · 全部动态
- 原文链接：反常识真相：Agent在真实工作场景成功率依然很低，多模型电商任务通过率不足50%
- 分类：技巧观点
- 作者：公众号：数字生命卡兹克
- 发布时间：2026/08/17 08:09
评论0