密歇根团队发布CloudOpsBench基准，AI云运维无一模型全解

密歇根大学 Ang Chen 团队发布开源基准 CloudOpsBench 1.0，评测 AI 智能体执行云运维任务的能力，结果显示现有最强模型仍无法完成全部任务。 该基准包含 45 项基于 AWS 的 DevOps 任务，由经验丰富的 DevOps 工程师构建，任务在真实 AWS 云环境和模拟器中以相同方式运行。测试中 Claude Fable 5.1 仅解决 60% 的任务，GPT-6 Astra 为 53%，无一模型全部完成。 失败原因分析显示，约 80% 的失败源于智能体误判任务范围、未检查所有相关服务或过早停止，约 20% 是错误操作，部分错误操作对基础设施造成不可逆后果。项目在 GitHub 上以 Apache 2.0 许可开源，后续计划扩展支持 GCP、Azure 和 OCI。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。