新闻资讯8

SaaS - Bench：AI Agent全自动办公幻想破灭

机器之心2026-05-25

AI 摘要

UniPat AI用SaaS - Bench测试AI Agent，发现Claude Opus 4.7通过率不到4%，多数模型表现不佳。还暴露Agent在长程任务中存在四种致命缺陷，说明离真正替人干活路还远，现有软件或需为Agent重做。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Claude两个新模型曝光，或下月发布

开发者在Anthropic的API中发现Claude的两个新模型代号claude - marshmallow - eap和claude - melon - eap，目前处于内部测试阶段。社区有多种推测，且Anthropic命名风格改变，新模型或下月发布。

Cursor员工Lauren公开喊话，让考虑切换到Cursor加Grok Bot的人发取消其他订阅截图，送一个月免费Ultra（每月200美元）。大量网友行动，但很多人私信石沉大海，有人吐槽处理慢。这或是Cursor借被SpaceX收购之势进攻Claude Code。

今日，Fable 5.1被曝开启灰度测试，部分Claude用户已免费试用。推测其可能很快全量推送且不涨价。此前Fable 5因性能强受限，开发者期待5.1版。同日Claude全球大宕机，Anthropic正冲刺万亿估值。

豆包工作任务新增本地电脑和云电脑切换模式，补上AI Agent关键工作条件，产品定位改变。其优势是低门槛且能力提升，虽Agent不够稳定，但有望成全民工具，推动AI进入大众生活。