CloudOpsBench 开源基准显示推理是 AI 云运维的主要瓶颈

CloudOpsBench 是一项衡量 AI 智能体处理云端 DevOps 任务能力的开源基准，1.0 版包含 AWS 上的 45 项任务。Claude Fable 5.1 完成率为 60%，GPT-6 Astra 为 53%；团队称约 80% 的失败源于智能体误判任务范围、未检查相关服务或过早停止，约 20% 的错误来自错误操作，部分可能造成基础设施不可逆后果。