按问题读公开证据 · 整理2026-10-19
先看一个来源和一个问题，核对条件，再决定自己的试点与验收。
同一当前快照里的模型位于什么位置？
分母：综合测试难度拟合；不是题目/工作成功比例
范围与协议：2026-10-14的精选横截面；X为模型发布日，测量日未知；Epoch当前固定CSV；不同测试和模型覆盖由拟合处理，不统一工具预算
ECI把不同难度测试的表现拟合到一个相对能力尺度：分数较高，表示在这套测试与模型中处理较难题的表现更强；一个指数点没有对应一项工作或一小时。精选5个模型/档位的公布值介于150.00至167.33（ECI指数点）。日期较晚的点是较晚模型在此快照的成绩，不能读成该日已公开的能力历史；区间重叠不证明确定排序。
X轴：模型发布日 · 当前横截面；Y轴：ECI指数点。不连接为增长曲线。
悬浮或键盘聚焦坐标点，先看核心信息；点击点位卡片，在详情区继续阅读。完整材料保留在下方。
把指数用于寻找需要进一步核对的工具；仍须打开具体任务的测试协议和验收。
这是使用分类连接或相近测试背景；真实工作覆盖、采用与净人时未知。
坐标点和侧栏都对应这些卡片；未知、原始值、条件与原文在此完整保留。
模型日 2026-09-22；运行日未知 · ECI指数点
167.33指数点。分母：综合测试难度拟合；不是题目/工作成功比例
Epoch ECI固定快照；当前保留引用
模型日 2026-09-22；运行日未知
167.33指数点
收集2026-10-14 · 阅读2026-10-15 · 真实工作覆盖未知
模型日 2026-09-03；运行日未知 · ECI指数点
166.45指数点。分母：综合测试难度拟合；不是题目/工作成功比例
Epoch ECI固定快照；当前保留引用
模型日 2026-09-03；运行日未知
166.45指数点
收集2026-10-14 · 阅读2026-10-15 · 真实工作覆盖未知
模型日 2026-07-09；运行日未知 · ECI指数点
161.66指数点。分母：综合测试难度拟合；不是题目/工作成功比例
Epoch ECI固定快照；当前保留引用
模型日 2026-07-09；运行日未知
161.66指数点
收集2026-10-14 · 阅读2026-10-15 · 真实工作覆盖未知
模型日 2026-04-23；运行日未知 · ECI指数点
159.1指数点。分母：综合测试难度拟合；不是题目/工作成功比例
Epoch ECI固定快照；当前保留引用
模型日 2026-04-23；运行日未知
159.1指数点
收集2026-10-14 · 阅读2026-10-15 · 真实工作覆盖未知
模型日 2025-08-07；运行日未知 · ECI指数点
150指数点。分母：综合测试难度拟合；不是题目/工作成功比例
Epoch ECI固定快照；当前保留引用
模型日 2025-08-07；运行日未知
150指数点
收集2026-10-14 · 阅读2026-10-15 · 真实工作覆盖未知
2026-10-14取得的CSV；ECI与FrontierCode独立指标 · 首次公开具体日期未知 · 收集2026-10-14 · 阅读2026-10-15
定位：eci_scores.csv；processed_data_for_eci.csv指定benchmark行。范围：跨测试拟合的综合指数；组件保留模型版本，可能取同名同日不同配置的最高成绩。
模型日不等于测量日；本次快照不是逐日历史；组件0–1分不称工作通过率。
许可与改编：Epoch数据CC BY 4.0（当前官方链接核对），署名Epoch AI。
现今补充 · 独立观察模块2026-10-19.observations.2；原前沿研究基准另行保留。
看使用和采用背景、固定测试条件与成本；读训练迁移和评测方法，再回到输入、交接与验收。
JobBench把委派偏好带入专业任务选题；能力、人的意愿、实际省时和岗位变化仍需分别核对。
Harness²研究工具、技能、检查脚本和运行规则的改进；行为变了仍需核验产物与全部成本。
用模型、运行系统、业务环境和验收四个环节，组织职业作品与团队取舍；这是编辑方法，不是厂商排名。
先确定消息、企业还是任务作为分母，再把观察带回自己的验收。
把题目/API费用、全部失败尝试、人工核验和最终交付放回同一个范围。
训练配比、相同后续训练和程序提示是三种不同干预，结论要各自保留。
先检查分母、评分量尺与模型配置，再理解增长和预测。
把记忆、组合、数学与信息处理需求展开，让工具选择和验收更具体。
下列原有研究保留各自内容版本2026-09-27.1与核查日2026-09-27。局部完成性、交互分类与交付物比较分别读取。
原有研究JSON →业务职能的公开研究
三种证据回答不同问题：业务流程能否完成、人怎样参与、交付质量能否达到专业水平。它们按业务职能分类，与本站AI岗位方向不同。
AutomationBench 1.0.6 · 各方向最高已公布成绩。各柱采用不同模型与推理档位，不构成同一模型下的方向难度排名。
Zapier官方榜单 · v1.0.6 · 2026-09-27快照 · 原始来源 ↗
这里的“完成”要求所有计分断言通过。测试运行在模拟业务系统中，不能解释为同等比例的岗位可被替代。Claude Opus 5.5的default fallbacks会把被拒绝的步骤交给供应商默认后备模型。
Anthropic · 2026-05全球样本。自动化交互占比：聊天与Cowork对比1P API（API排除Claude Code）。
Anthropic Economic Index · 发布 2026-06-26 · 数据CC-BY，本站按官方CSV重绘 · 原始来源 ↗
这张图显示人怎样使用AI。自动化包含直接委派和反馈循环；高占比不代表相同比例的工作通过了验收。
GDPval · 44个职业 · 胜过或持平专业人员产物的比较占比（含持平）。
OpenAI发布表 · 2026-04-23 · 历史结果，不代表当前SOTA · 原始来源 ↗
GDPval衡量产物的专家比较结果；它与多应用流程的严格成功率口径不同，因此不与AutomationBench合成总分。
把一个岗位拆成任务
每一行是本站一个方向的参照职业，每一段是它在O*NET中的一项任务。悬停或点击一段查看任务，点击职业名看逐项明细。
宽度：O*NET任务重要度（不是工时）；颜色：Anthropic经济指数中2026-05全球Claude聊天里该任务的交互方式。显示人们怎样用AI，不是AI完成率或岗位可替代比例。
全部计分断言通过，整题才计为成功；检查最终业务状态。API模式，最多50步，无人在环；按各方向的最优模型与推理档位展示。
模拟业务环境；各柱可能对应不同模型，不是同一Agent的全岗表现。公开600题不是官方榜单的分母。 榜单未逐项披露本次运行日期及各方向私有样本数，本站不反推或补写。
| 业务方向 | 最高成绩／模型配置 | 第二名／模型配置 | 关联工作 |
|---|---|---|---|
| 销售CRM、线索和跨应用流程 | 45.3% Claude Opus 5.5 Max + default fallbacks | 40.17% GPT-6 Astra Max | 任务与分类映射 → |
| 营销营销活动、广告分析和内容运营 | 50% GPT-6 Astra Max | 48% Claude Opus 5.5 Max + default fallbacks | 任务与分类映射 → |
| 运营项目、供应商和业务流程 | 65% Claude Opus 5.5 Max + default fallbacks | 62% GPT-6 Astra Max | 任务与分类映射 → |
| 客服工单、SLA与知识库 | 39% GPT-6 Astra XHigh | 38% Claude Opus 5.5 Max + default fallbacks | 任务与分类映射 → |
| 财务应收应付、费用和报表 | 43.33% GPT-6 Astra High | 37.5% Claude Opus 5.5 Max + default fallbacks | 任务与分类映射 → |
| HR招聘、入职与薪酬流程 | 26.67% Gemini 3.8 Flash Medium | 25% Claude Opus 5.5 Max + default fallbacks | 任务与分类映射 → |
Claude Opus 5.5的default fallbacks会把被拒绝的步骤交给供应商默认后备模型。分方向按最佳档位取值；这是不同配置达到的边界，不是统一模型、成本或无后备模型的公平排名。
各方向成绩不是全任务集成绩的简单平均。
OpenAI 2026-09-22发布表中的GPT-6 Sol (xhigh) 33.2%与Zapier官方表一致。OpenAI发布表与Zapier榜单数值一致；属于同一评测的引用核对，不是两次独立复现。公开仓库的600题成绩属于另一任务集，不能混入本图。
关联任务仅提供场景入口；本站任务未被该评测逐题测量。
数据期：2026-05-01至2026-06-01（不含结束日）；发布 2026-06-26。全球SOC职业大类，按原始CSV直接取值，不按本站五个方向重分配。自动化与协作是交互分类，不是验收结果。
| 职业／SOC | 聊天自动化 | 聊天协作 | API自动化 | API协作 |
|---|---|---|---|---|
| 计算机与数学 / 15 | 63.9% | 36.1% | 94.58% | 5.42% |
| 商业与财务 / 13 | 42.61% | 57.39% | 94.92% | 5.08% |
| 管理 / 11 | 43.9% | 56.1% | 95.58% | 4.42% |
| 艺术与传媒 / 27 | 35.85% | 64.15% | 94.83% | 5.17% |
| 销售 / 41 | 43.79% | 56.21% | 90.78% | 9.22% |
| 办公与行政 / 43 | 56.02% | 43.98% | 94.41% | 5.59% |
职业相关使用中的交互分类；不是该职业所有任务的自动化率或验收成功率。1P API排除Claude Code；聊天样本含Chat与Cowork。 缺失单元格不当作零；本图六类的两项指标均已公布。数据包没有task_success字段，因此没有从自动化比例推导成功率。
源文件：aei_claude_ai_2026-06-26.csv、aei_1p_api_2026-06-26.csv。筛选GLOBAL / soc_occupation / hierarchy_level=1、2026-05-01，SOC为15/13/11/27/41/43，指标为collaboration_bucket_automation_pct与collaboration_bucket_augmentation_pct。保留官方两位小数。
官方zip SHA-256：9be20dd451b91e4d59bd605528a8d5e55f6a182c1d280172f303f871553236da
来源Anthropic，CC-BY。本站翻译标签、重绘；无模型能力实测。
44个职业的明确知识工作任务；与专业人员产物比较。专家偏好比较的胜或平，不是业务流程严格通过率。此处为4月历史结果，不声称当前SOTA。
2026-04-23发布表内：GPT-5.5 84.9%，GPT-5.4 83%，Claude Opus 4.7 80.3%。均为wins or ties。保留这份历史快照说明产物质量维度，不冒充当前模型榜单。
本次查阅Anthropic六月Economic Index、三月任务数据，OpenAI四月GDPval及九月模型报告，并沿引用核对Zapier官方结果和评分仓库。六月经济数据是本轮找到的最近公开发布，九月OpenAI报告没有GDPval新表。未来更新按数据集与协议分别归档，不用页面访问日覆盖采样或运行日期。
返回首页 →从研究到工作
外部评测按业务职能分类，本站按AI岗位方向组织。以下只是场景关联，没有逐题对应；研究成绩不分配到关联任务。
本站以企业交付方向组织系统集成与流程发现；尚无销售专属标准。
查看CRM更新与客户跟进类公开任务与依据 →关联内容与增长方向，任务条件仍需逐项对照。
查看营销内容与活动操作类公开任务与依据 →关联流程集成与指标契约，不能代表全部运营工作。
查看跨系统业务操作类公开任务与依据 →关联知识检索与业务系统操作；尚无客服专属标准。
查看客户支持与工单类公开任务与依据 →关联订单对账；本站示例没有被该基准逐题测量。
查看财务业务操作类公开任务与依据 →当前任务库尚无人力资源专属标准，可先查官方公开样例与评分方式。
本站暂无对应任务。
查看人力资源流程类公开任务与依据 →