Claude 通过率不到 4%，SaaS-Bench 撕碎了 Computer-Use 的「全自动办公」幻想
中文摘要
SaaS-Bench测试显示Claude在SaaS长程任务中通过率仅3.8%，揭示了当前Computer-Use Agent难以实现全自动办公。
English Summary
SaaS-Bench reveals Claude's 3.8% pass rate in SaaS tasks, debunking the illusion of fully automated office workflows via Computer-Use Agents.
Original Excerpt
📌 一句话摘要 SaaS-Bench 基准测试通过 23 个真实 SaaS 系统、106 个长程任务，揭示了当前最强 Computer-Use Agent 在真实办公场景中的惨淡表现：Claude Opus 4.7 端到端通过率仅 3.8%，暴露了 Agent 在长程任务中的四种结构性失败模式。 📝 详细摘要 本文介绍了 UniPat AI 团队推出的 SaaS-Bench 基准测试，旨在评估 AI Agent 在真实...