前沿AI模型在企业IT战场上集体“翻车”！Claude Opus 4.7、GPT-5.5、Qwen3.7 Max齐刷刷跌破50%！
IBM与Artificial Analysis联合推出ITBench-AA，这是首个专注于企业级IT智能体的基准测试，首期聚焦Site Reliability Engineering（SRE）场景。测试基于Kubernetes真实事故响应，涉及日志、指标、追踪、依赖分析等多模态运维数据，要求智能体精准定位根因实体。结果显示：Claude Opus 4.7（47%）、GPT-5.5（46%）、Qwen3.7 Max（42%）等顶级前沿模型均未能达到50%及格线，暴露了当前AI Agent在复杂企业生产环境下的显著局限。
