企业运维智能体新榜单

hugo_larochelle · x · 2026-07-14

Artificial Analysis 联合 ServiceNow 发布了 EnterpriseOps-Gym-AA，这是基于原始 EnterpriseOps-Gym 改造的独立榜单，用来测试 AI agents 是否能在真实企业系统中完成多步、状态化的运营任务，同时遵守业务规则和政策。

这个评测通过 Stirrup agent harness 运行，覆盖 8 个业务领域，评分不是看中间步骤，而是看任务结束后底层数据库的最终状态。当前榜单中，Anthropic 的 Claude Fable 5（max）以 51% 领先，Google 的 Gemini 3.5 Flash（high）为 50%，OpenAI 的 GPT-5.5（xhigh）为 47%，而 Z.ai 的 GLM-5.2（max）是开源权重模型里分数最高的，达到 43%。