CloudOpsBench：AI 智能体在真实云运维任务中的表现评测

CloudOpsBench 是一个针对 AI 智能体在真实云基础设施操作中的评测基准，包含 18 个主流模型（如 claude-fable-5-1、gpt-6-astra、gemini-4-argon、grok-4.7、deepseek-v4.1-flash 等）的性能对比，评估指标包括分辨率率、耗时、token 消耗和成本。