CloudOpsBench 显示前沿 AI 模型在云基础设施操作上表现乏力

CloudOpsBench 基准测试显示，前沿 AI 模型在处理真实云运维任务时解决率普遍较低，排名最高者仅为 60.6%。 榜单第一名为 claude-fable-5-1 (max)，耗时 38.6 小时，成本 $404.3；末位 kimi-k3.1-pro 解决率仅 19.1%，耗时 14.8 小时。 测试揭示了当前 AI Agent 在复杂云基础设施场景下的能力瓶颈。