5模型Salesforce Agent实测：Claude Opus 87%居首
先了解这件事
2026年10月28日，AGI Hunt 连续报道，一名 Reddit 开发者在模拟 Salesforce 业务环境中评测五个 agent：Claude Opus、Sonnet、Haiku、GPT-6.1 Sol 和 DeepSeek，各需完成 50 项任务、可调用 8 个工具，按数据库实际改动而非 agent 自述评分。早先报道称 Claude Opus 以 87% 居首，DeepSeek 82%、成本约为 Opus 的 1/75，GPT-6.1 Sol 72% 最低，但未提另外两个模型；后续报道补全 Sonnet 85%、Haiku 80%，称 GPT-6.1 是唯一明显掉队的模型，L5 异常场景中 Opus 48%、GPT-6.1 35%，评测代码 crm-agent-bench 已开源。另有报道指出保存工具的静默失败骗过了所有 agent，属共性缺陷。当日 03:26 的最新报道仅重申 Opus 87% 居首与 DeepSeek 的成本优势，未提供新数据。该评测仍属单一来源的非正式测试，尚无厂商回应或独立复现。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI Hunt五模型实测 Salesforce 任务：Claude Opus 87% 夺冠
开发者用模拟 Salesforce 环境评测 Claude Opus、Sonnet、Haiku、GPT-6.1 Sol 和 DeepSeek 五个 agent，各完成 50 项任务、可调用 8 个工具，按数据库实际改动评分，Claude Opus 以 87% 通过率居首。
- AGI Hunt5 个模型 Salesforce Agent 实测：Claude Opus 87% 居首，DeepSeek 82% 成本仅约 1/75
Reddit 用户在 Salesforce 模拟业务环境对 5 个模型做 agent 评测，Claude Opus 以 87% 居首，DeepSeek 以 82% 得分、约 Opus 1/75 的成本紧随，GPT-6.1 Sol 最低为 72%。
- AGI Hunt50 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。
- AGI Hunt5 个模型实测操作 Salesforce：保存工具静默失败骗过所有 agent
作者让 Claude Opus/Sonnet/Haiku、GPT-6.1 Sol 和 DeepSeek 在 Salesforce 中各完成 50 个任务（8 个工具），按数据库实际变更而非 agent 回复评分。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。