評価ソース公式サイト
AutomationBench
Zapier / 専門業務 · 業務ソフトをまたぐ自動化作業
AIサイシン での扱い観察中
配分採点対象外
元データの日時未確認
最終同期収集前
何を、どう測るか
同じ公式非公開テストセットの構成のみで比較する。Fable 5.1 に Opus 5 が混在するフォールバック行は除外しなければならない。
当サイトでの使い方
観察中：公開問題セットは公式の非公開ランキングデータと同じではない。安定したエクスポートと混合モデルの表示はなお確認が必要。
評価の限界とデータの出典
観察中：公開問題セットは公式の非公開ランキングデータと同じではない。安定したエクスポートと混合モデルの表示はなお確認が必要。
データライセンス：ランキングデータの利用範囲は確認待ち
成績は Zapier が公表したもの。元のスコアと AIサイシン のコンセンサス指数は尺度が異なり、そのまま比較・合算はできない。