Skip to content
Evaluation sources

AutomationBench

Zapier / 专业办公 · 跨办公软件完成自动化工作

Official evaluation
On HOTAIObserving
Evidence budgetUnweighted
Upstream dataTo verify
Last successful syncCollection not started

What and how it measures

只比较同一官方私有测试集的配置；Fable 5.1 混用 Opus 5 的回退行必须排除。

How this evidence is used

观察中：公有题集不等于官方私有排行榜数据；稳定导出和混合模型标记仍需确认。

Evaluation limits and attribution

观察中：公有题集不等于官方私有排行榜数据；稳定导出和混合模型标记仍需确认。

Data license: 待确认榜单数据使用边界

成绩由 Zapier 发布，原始分数与 HOTAI 共识分使用不同尺度，不能直接相加。