50 项 Salesforce 任务实测：GPT-6.1 得 72% 落后 Claude Opus 的 87%

50 项 Salesforce 任务实测中，Claude Opus 通过率 87% 居首，GPT-6.1 Sol 仅 72%，是唯一明显掉队的模型。Sonnet、DeepSeek、Haiku 分别为 85%、82%、80%，评分基于数据库实际改动。L5 异常场景 Opus 48%、GPT-6.1 35%，评测代码 crm-agent-bench 已开源。