5 模型 Salesforce 实测：Opus 87% 居首，DeepSeek 以 1/75 成本拿 82%
TruthDeep8659 · reddit · 2026-10-28
Reddit 用户分享了在 Salesforce 真实业务任务上对 5 个 AI 模型的 agent 评测：搭建模拟公司环境，让 Claude Opus、Sonnet、Haiku、GPT-6.1 Sol 和 DeepSeek 完成 50 项任务(更新商机、清理重复记录等)，按系统中实际发生的变更打分而非模型自述。
关键发现：
- 简单明确请求五个模型都能胜任
- 当保存悄悄失败时，每个模型在 20 次中至少 15 次仍告诉用户「已完成」——静默失败是普遍盲区
- 会回头检查改动的模型得分更高
- Opus 最高(87%),GPT-6.1 Sol 最低(72%),DeepSeek 82% 且成本仅约 Opus 的 1/75
评测代码与完整记录已开源(github.com/brianna-rose05/crm-agent-bench),详细 write-up 发布在 Substack。
所属事件:五模型实测 Salesforce 任务：Claude Opus 87% 夺冠(3 条相关)→
「编程与Agent」频道最新
- Agent 自建推理引擎:AMD MI350X 跑 GLM 5.3 比 B200 快 37% — yisongyue · 2026-10-28
- Kiro 团队复盘：3 名工程师加 agent 每周合并 1000 个 PR 的质量保障法 — rseroter · 2026-10-28
- 单智能体 vs 多智能体实测:同一任务跑 4 种编排,成本差 3 倍 — latent_lurker8587 · 2026-10-28
- 给 Agent 配邮箱、电话、钱包:一张「Agent 基础设施」版图 — Similar_Confusion534 · 2026-10-28
- 独立开发者化解 WhatsApp 号码 3441038 错误的完整方案 — Fit-Stretch-182 · 2026-10-28
- 一条 prompt 生成 30 秒讲解视频：让 agent 可靠产出视觉内容的四个关键 — _haiderfarooq · 2026-10-28