AI 产品

AI新基准AA-AnalystAgent发布：Claude Opus 5在定量分析测试中领先

首次出现 8月12日 07:00·最近更新 8月12日 07:00

AA-AnalystAgent是一个新的代理基准，用于测试AI模型在定量分析真实世界电子表格和文档方面的能力。该基准包含80个问题，涵盖14个商业和科学领域。测试结果显示，Claude Opus 5以54%的准确率领先，其次是GPT-5.5（50%）和Claude Fable 5（49%）。基准采用pass^5指标，要求模型在五次独立尝试中都正确完成任务，以确保一致性。证据来自Twitter/X AI List，非官方发布。

多来源证据

Twitter/X AI List·twitter·8月12日 06:23

宣布AA-AnalystAgent，我们新的代理基准，用于定量分析真实世界的电子表格和文档。Claude Opus 5以54%领先，其次是

宣布AA-AnalystAgent，我们新的代理基准，用于定量分析真实世界的电子表格和文档。Claude Opus 5以54%领先，其次是GPT-5.5的50%和Claude Fable 5的49%。在真实分析师角色中，专业判断和专业知识与原始定量能力同样重要。AA-AnalystAgent测试这一点，要求模型解释来源、决定适用哪些例外和注意事项，并确定方法以成功完成任务。因为将分析任务交给代理不仅需要正确答案，还需要一致性，AA-AnalystAgent运行每个任务五次，并报告pass^5作为其主要指标（我们称之为‘pass-all-5’）。pass^5意味着模型必须在五次独立尝试中

事件时间线

8月12日 06:23
Twitter/X AI List
宣布AA-AnalystAgent，我们新的代理基准，用于定量分析真实世界的电子表格和文档。Claude Opus 5以54%领先，其次是