Mistral Large 4 在 AutomationBench 办公自动化基准上领先
Mistral 晒了新基准成绩：Mistral Large 4 跑 657 个办公自动化任务，赢了 Kimi K3 和 DeepSeek V4 Pro，做 agent 介绍的可以看看。
#AutomationBench
共 7 条 · 7 天 4 条 · 30 天 5 条
信息流里打上「AutomationBench」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月8日
10月7日
Shaped 审计 Zapier AutomationBench，修复 206 个验证器漏洞
Shaped 给 Zapier 的 AutomationBench 做了一次验证器审计，用智能体找茬找出 206 个真实漏洞，近三成 Kimi K3 成绩因此改变，做评测的都该看看。
Shaped 审计 Zapier AutomationBench：600 个任务中发现 206 个验证器 bug
Shaped 把 Zapier 的 AutomationBench 全查了一遍，206 个验证器有 bug，修完后 Kimi K3 近三成评分都变了，做评测的都该看看。
9月30日
8月14日
Gemini 3.7 Flash发布，AutomationBench首破30%
谷歌突袭发布Gemini 3.7 Flash，AutomationBench拿到30%，比贵一倍的模型还强。做智能体自动化任务可以试试。
5月21日
Gemini 3.5 Flash (Medium) 登顶 AutomationBench，中等推理表现更优
做自动化流程的开发者终于有了性价比之选——Gemini 3.5 Flash 不仅性能领先，成本还低 7 倍，建议直接试试 medium 设置。
