ITBench-AA: Frontier Models Score Below 50% on the First Benchmark for Agentic Enterprise IT TasksHugging Face / 2026-05-27
这篇文章把 agent 能力放进企业 IT 任务评测,而不是只看代码题或聊天题。它给出的结论很直接:前沿模型在 ITBench-AA 上低于 50%,说明权限、工具调用、长流程和环境反馈仍是 enterprise agent 的硬问题。