CloudOpsBench发布，测试AI Agent云运维能力

密歇根大学Ang Chen团队发布CloudOpsBench v1.0开源基准测试，评估AI Agent处理云运维任务的能力。该测试涵盖45项AWS DevOps任务，包括修复服务、删除资源、限制访问权限、部署更新和停用项目等。目前Claude Fable 5.1最高解决60%的任务，GPT-6 Astra解决53%，没有模型能完成全部任务。 研究团队认为，推理能力是AI云运维的主要瓶颈。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。