# 前沿模型得分不足50%：ITBench-AA基准揭示企业IT智能体的真实瓶颈
6 min read
IBM与Artificial Analysis联合发布ITBench-AA，首个针对站点可靠性工程（SRE）的智能体基准，测试模型在Kubernetes故障诊断中的表现，所有前沿模型得分低于50%，其中Claude Opus 4.7以47%领先。
/ tags/ 基准
# QIMMA 基准：阿拉伯语 LLM 评估的质量革命，99% 原生内容与严格验证
5 min read
TII 研究团队发布 QIMMA 阿拉伯语 LLM 排行榜，以质量优先理念重构评估体系：对每个样本进行多模型和人工验证，发现许多现有基准存在系统性问题，最终构建了覆盖7大领域、52,000样本的纯净评测集。