**FlowerBench发布:评估AI智能体在企业真实工作流中的表现** _FlowerBench: Benchmarking AI Agents on R
原帖
**FlowerBench发布:评估AI智能体在企业真实工作流中的表现**
_FlowerBench: Benchmarking AI Agents on Real Enterprise Work_
> FlowerBench基准测试专注于衡量AI智能体在复杂、多步骤企业工作流中的长期任务执行能力。该测试在包含专有上下文和内部知识的私有环境中运行,仅对外共享性能指标。最新排名显示,OpenAI GPT-5.5凭借0.82的高分位居榜首,Anthropic的Claude Opus 4.8紧随其后,而Qwen3.6 Plus等模型也在成本效益方面展现出竞争力。
**来源信息**
- **来源**:Hacker News:AI 热帖
- **分类**:ai-models
- **发布时间**:2026-07-06 19:55(北京时间)
- **原文**:[打开原文](https://flower.ai/benchmarks/flowerbench)