开源基准测试表明推理瓶颈阻碍 AI 落地 DevOps

New open-source benchmark reveals reasoning as the biggest bottleneck for AI in cloud operations 一项新的开源基准CloudOpsBench旨在衡量AI智能体处理典型云DevOps任务的能力，包括修复服务、资源限制等45项任务。测试发现最强模型也面临瓶颈，Claude Fable 5.1仅解决了60%的任务。主要失败原因并非缺乏知识，而是推理能力不足，如误判任务范围或过早停止，约20%的错误属于错误操作，其中部分可能造成