BenchLeader

AutomationBench 排行榜

截至 2026年11月16日,AutomationBench 的最高分为 77.8%,由 Gemini 4 Carbon(Google)取得,领先于 Gemini 4 Argon(77.5%)。共有 261 个模型配置公布了结果(Artificial Analysis,结果日期 2026年10月28日)。从头到尾运行的办公自动化任务。按部分得分计分,因此模型只要做对工作流的大部分,分数就会有所体现。AutomationBench 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Gemini 4 Carbon 以 77.8% 保持 AutomationBench 最高分(Artificial Analysis,2026年10月28日)。
  • Gemini 4 Argon 以 77.5% 位列 AutomationBench 第二(Artificial Analysis,2026年9月30日)。
  • AutomationBench:从头到尾运行的办公自动化任务。按部分得分计分,因此模型只要做对工作流的大部分,分数就会有所体现(Artificial Analysis)。
  • BenchLeader 上有 261 个模型配置公布了 AutomationBench 结果(BenchLeader,2026年11月16日)。
  • AutomationBench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

从头到尾运行的办公自动化任务。按部分得分计分,因此模型只要做对工作流的大部分,分数就会有所体现。

发布方
Artificial Analysis
类别
智能体与工具
Index 权重
仅作参考
模型
261
数据截至
2026年11月16日

Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.

261 / 261
#
1Gemini 4 Carbonhigh77.8%68.92026-10-28
2Gemini 4 Carbonmedium77.6%65.82026-10-28
3Gemini 4 Argonhigh77.5%65.32026-09-30
4新Claude Fable 5.2max76.4%72.72026-11-09
5新Gemini 4 Hydrogenxhigh76.1%61.82026-11-12
6Gemini 4 Argonmedium75.8%61.62026-09-30
7新Gemini 4 Hydrogenhigh74.4%63.42026-11-12
8新Claude Fable 5.2xhigh74.2%69.72026-11-09
9Kimi K3.1 Pro73.3%61.82026-10-23
10MiniMax M3.1 Flash72.5%54.32026-10-19
11新Gemini 4 Hydrogenmedium72.0%–2026-11-12
12Claude Sonnet 5.5max71.8%64.22026-09-28
13新Claude Fable 5.2high71.4%68.42026-11-09
14Muse Wonder Fullmax71.3%61.72026-10-12
15Claude Opus 5.5max69.5%68.42026-09-22
16DeepSeek V4.1 Flashmax68.9%58.52026-09-10
17新Claude Fable 5.2medium68.8%66.32026-11-09
18GPT-6 Astramax68.5%67.32026-09-03
19DeepSeek V4.1 Flash 1017high68.5%51.22026-10-17
20Muse Wondermax68.1%60.82026-10-12
21新Muse Embermax68.1%52.12026-11-09
22新Claude Fable 5.2low68.0%65.32026-11-09
23Ling 3.1 Flash67.5%50.82026-10-22
24Muse Wonderhigh67.2%56.22026-10-12
25GPT-6 Astraxhigh67.2%66.02026-09-03
26Grok 4.6xhigh67.0%56.12026-08-12
27新Muse Emberxhigh66.7%49.12026-11-09
28Grok 4.6high66.7%60.62026-08-12
29DeepSeek V4.1 Flash 1017max66.6%57.72026-10-17
30GPT-6 Astrahigh66.6%66.32026-09-03
31GPT-6.1 Solxhigh66.6%63.62026-09-29
32Hy465.6%56.72026-11-03
33Grok 4.7xhigh65.6%57.42026-09-21
34Claude Sonnet 5.5xhigh65.5%62.52026-09-28
35Claude Opus 5.5xhigh65.0%65.42026-09-22
36GPT-6.1 Solmax64.9%66.62026-09-29
37GPT-6 Astramedium64.6%64.42026-09-03
38GPT-6.1 Solhigh64.5%63.42026-09-29
39MiMo-V2.6-Flash64.0%54.82026-09-21
40Grok 4.7high63.5%56.92026-09-21
41Gemini 4 Carbonlow63.5%60.12026-10-28
42Claude Opus 5.5high63.2%66.02026-09-22
43Grok 4.6medium63.1%59.42026-08-12
44GPT-6.1 Solmedium62.6%62.72026-09-29
45GLM 5.3max62.2%58.82026-08-18
46Gemini 3.7 Flashhigh62.0%62.12026-08-13
47GPT-6 Solxhigh61.7%58.42026-09-22
48GPT-6 Solmax61.6%62.62026-09-22
49Claude Opus 5.5medium61.2%61.22026-09-22
50Gemini 3.8 Flashmedium60.9%60.22026-09-02
51新Gemini 4 Hydrogenlow60.5%–2026-11-12
52GLM 5.3 Flash60.4%57.82026-08-26
53GPT-6.1 Terramax60.2%64.12026-10-26
54GPT-6 Solhigh60.1%58.12026-09-22
55GPT-5.6 Solmax60.1%65.32026-07-09
56GPT-6.1 Terraxhigh59.9%60.02026-10-26
57Gemini 3.8 Flashhigh59.9%59.42026-09-02
58Mistral Large 459.9%52.92026-10-06
59GPT-5.6 Terramax59.6%59.52026-07-09
60Claude Sonnet 5.5high59.4%59.52026-09-28

更多智能体与工具基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《AutomationBench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_automationbench。

AutomationBench:常见问题

AutomationBench 衡量的是什么?
从头到尾运行的办公自动化任务。按部分得分计分,因此模型只要做对工作流的大部分,分数就会有所体现。分数以完成任务的百分比表示,越高越好。
AutomationBench 的最高分是多少?
截至 2026年11月16日,AutomationBench 的最高分为 77.8%,由 Gemini 4 Carbon 取得(结果日期 2026年10月28日),领先于 Gemini 4 Argon(77.5%)。分数来自 Artificial Analysis,每天重新读取。
哪个 AI 模型在 AutomationBench 上领先?
截至 2026年11月16日,AutomationBench 排名第一的是 Gemini 4 Carbon,分数为 77.8%(结果日期 2026年10月28日)。其后为 Gemini 4 Argon(77.5%)。
有多少模型有 AutomationBench 结果?
BenchLeader 上有 261 个模型配置有 AutomationBench 结果,全部取自 Artificial Analysis。
AutomationBench 由谁运行,多久更新一次?
AutomationBench 由 Artificial Analysis 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
AutomationBench 是否计入 BenchLeader Index?
不计入。AutomationBench 仅作参考展示,不计入综合分数。