密歇根大学发布云运维基准CloudOpsBench

密歇根大学 Ang Chen 团队发布开源基准 CloudOpsBench 1.0，用于评测 AI 代理执行 AWS 云运维任务的能力。1.0 版含 45 个由资深 DevOps 工程师设计的任务，覆盖修复服务、删除资源、限制权限、发布更新和下线项目等；所有任务在真实 AWS 云和模拟器中运行结果一致，GCP、Azure、OCI 版本尚在计划中，GitHub 项目采用 Apache 2.0 许可并附详细失败分析。 结果显示推理是主要瓶颈：表现最好的 Claude Fable 5.1 完成 60% 的任务，GPT-6 Astra 完成 53%，没有模型完成全部任务。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。