企业运维智能体新基准发布
xhluca · x · 2026-07-10
Artificial Analysis 发布了 EnterpriseOps-Gym-AA，用于评测前沿模型是否能在真实的企业运维场景中完成多步骤、状态相关的任务，并遵守业务规则与策略。 这个基准基于 ServiceNow 的 EnterpriseOps-Gym 改造，接入 Stirrup agent harness，在 8 个业务领域中运行，最终按底层数据库的最终状态打分，而不是只看执行过程。帖子还提到 Claude Fable 5（max）当前领先。