AutomationBench-AA（Artificial Analysis）
Artificial Analysis / 专业办公 · 跨办公软件完成一整条业务自动化流程。
在 裕瑞产业情报 中参与排名
证据预算NaN%
上游数据时间待核实
最近成功同步10/23 20:05
它测什么，怎么测
取 Artificial Analysis 智能指数中 AutomationBench-AA 的完成率。同一型号按最高推理档位选代表配置，选择不看分数。
如何使用这份证据
计分：专业办公领域的业务流程一类。
评测成绩
同一模型测了多个档位时，按固定规则只取一套代表成绩；没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示，名次照搬原榜，每项最多列 30 个。
| 原榜名次 | 原榜型号 | 原始成绩 | 代表配置 |
|---|---|---|---|
| 1 | gemini-4-argonGoogle | 77.5% | High 推理 |
| 2 | minimax-m3-1-flashMiniMax | 72.5% | 来源默认配置 |
| 3 | claude-sonnet-5-5Anthropic | 71.8% | Max 推理 · 含来源回退 |
| 4 | muse-wonder-fullMeta | 71.3% | Max 推理 |
| 5 | claude-opus-5-5Anthropic | 69.5% | Max 推理 · 含来源回退 |
| 6 | deepseek-v4-1-flashDeepSeek | 68.9% | Max 推理 |
| 7 | gpt-6-astraOpenAI | 68.5% | Max 推理 |
| 8 | muse-wonderMeta | 68.1% | Max 推理 |
| 9 | ling-3-1-flash-1019InclusionAI | 67.5% | 来源默认配置 |
| 11 | grok-4-6-xhighxAI | 67.0% | xHigh 推理 |
| 13 | deepseek-v4-1-flash-1017DeepSeek | 66.6% | Max 推理 |
| 16 | grok-4-7xAI | 65.6% | xHigh 推理 |
| 19 | gpt-6-1-solOpenAI | 64.9% | Max 推理 |
| 22 | mimo-v2-6-flashXiaomi | 64.1% | 来源默认配置 |
| 27 | glm-5-3Z.ai | 62.2% | Max 推理 |
| 28 | gemini-3-7-flashGoogle | 62.0% | High 推理 |
| 29 | ling-3-1-flashInclusionAI | 61.7% | 来源默认配置 |
| 31 | gpt-6-solOpenAI | 61.6% | Max 推理 |
| 34 | glm-5-3-flashZ.ai | 60.4% | 来源默认配置 |
| 36 | gpt-5-6-solOpenAI | 60.1% | Max 推理 |
| 37 | gemini-3-8-flashGoogle | 59.9% | High 推理 |
| 38 | mistral-large-4Mistral AI | 59.9% | 来源默认配置 |
| 39 | gpt-5-6-terraOpenAI | 59.6% | Max 推理 |
| 41 | claude-fable-5-1Anthropic | 59.4% | Max 推理 · 含来源回退 |
| 43 | mimo-v2-6-proXiaomi | 58.6% | 来源默认配置 |
| 44 | kimi-k3Moonshot AI | 58.3% | Max 推理 |
| 46 | grok-4-5xAI | 57.9% | High 推理 |
| 47 | muse-spark-1-3Meta | 57.9% | Max 推理 |
| 49 | qwen3-8-2-4t-a95bAlibaba | 57.2% | 来源默认配置 |
| 52 | deepseek-v4-proDeepSeek | 56.7% | Max 推理 |
评测局限与数据署名
在 AA 的统一环境中运行，与 Zapier 官方榜单的私有测试集不同。
数据许可：Artificial Analysis 公开页面数据；展示须显著署名并链接来源，遵守其 Terms of Use
成绩由 Artificial Analysis 发布。各项评测的原始分数尺度不同，不能直接相加；AIHOT 按公开规则把它们折算成同一种分数。