Surge AI 发布 DAYJOB 基准，最强模型仅完成四分之一

Surge AI 发布面向知识工作 agent 的新基准套件 DAYJOB，首发 Healthcare 与 Finance 两个子集，共 130 项专家级任务。它衡量智能体能否完成「经济上有价值的专业工作」——判断该做什么、做决策并跨越长达 14 小时的工作流程，区别于 OpenAI 的 GDPv1 等单点能力测试。结果显示最强 agent 也只能完成约 24%25% 的真实职场任务。

2026-09-24 ~ 2026-09-24 · 3 条相关

• 新基准 DAYJOB:最强模型也只能完成 25% 的真实职场任务 — echen · 2026-09-24
• Surge AI 发布 DAYJOB 基准:最强 agent 仅过 24% 真实工作 — echen · 2026-09-24
• Surge AI 发布 DAYJOB 基准：测 AI 能否做 14 小时级专业判断 — echen · 2026-09-24