AI办公实测准确率不足25%，发展却快于预期
IT之家1月26日引述Digital Trends 24日报道称，一份由数据训练公司Mercor发布的研究报告指出，当前主流人工智能模型在处理实际办公任务时表现不尽人意，最高准确率未超过25%。该研究证实，AI在短期内仍难以替代人类知识工作者。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
这项研究基于Mercor最新推出的APEX-Agents基准进行测试。与以往主要通过写诗和解数学题来评估AI的传统方法不同，该基准直接采用了律师、顾问和银行家的真实工作流程，要求受试模型完成跨越多个信息来源的多步骤综合任务。
结果显示，即便是市场上明显处于领先地位的模型，其准确率也无法达到25%。测试中表现领先的Gemini 3 Flash和GPT-5.2，准确率也仅为24%和23%，而其他大多数受试模型的成绩则不高于20%。
为何AI会在“办公测试”中表现不佳？Mercor首席执行官Brendan Foody分析认为，AI失败的关键在于缺乏上下文处理能力。在真实办公场景中，任务往往需要整合分散的资源，比如查看日程、翻阅即时通讯记录、阅读PDF文档和电子表格。而AI在进行跨源信息搜索与整理时，容易出现混淆、出错，或者干脆放弃。这导致目前的AI在办公室里更像一个“不可靠的实习生”，而非成熟的专业人员。
IT之家附APEX-Agents准确率测试结果如下：
Gemini 3 Flash - 24.0%
GPT-5.2 - 23.0%
Claude Opus 4.5 - 18.4%
Gemini 3 Pro - 18.4%
GPT-5 - 18.3%
Grok 4 - 15.2%
GPT-OSS-120B - 4.7%
Kimi K2 Thinking - 4.0%
尽管表现有限，但AI的进步速度引人关注。Foody指出，一年前同类测试的准确率仅为5%-10%，如今已提升至24%，AI的学习速度远超预期。不过，研究也强调，在掌握多任务处理和上下文切换能力之前，AI尚无法胜任复杂的知识工作。
相关攻略
IT之家 4 月 3 日消息，科技媒体 Android Authority 昨日发布博文，报道称在安卓 17 Beta 3 更新中，发现谷歌正在酝酿“通知规则”功能，用户可以针对特定应用、联系人设定
IT之家 3 月 17 日消息，科技媒体 Android Authority 今天发布博文，报道称三星承认 Galaxy S26 Ultra 旗舰手机的“防窥屏”技术存在瑕疵，在特定视角和最高亮度下
IT之家 3 月 11 日消息，苹果现已更新了其 Mac 笔记本电池循环次数说明支持页面，在文档中新增了 MacBook Neo 的最大充电循环次数信息。根据该文档，MacBook Neo 的电池最
3月6日，Anthropic近日发布了关于AI对劳动力市场影响的最新研究报告，提出结合Claude大模型实际应用数据的实际暴露度新指标。研究指出，目前AI的实际应用远不及理论上限，但程序员、客服等
IT之家 3 月 1 日消息，彭博社记者马克 · 古尔曼今天在最新一期《Power On》通讯中表示，苹果计划在 WWDC 26 开发者大会上发布全新 Core AI 框架，取代现有的 Core M
热门专题
热门推荐
短期课程 开发人员的ChatGPT提示工程 你将在本课程中学到什么 想用大型语言模型（LLM）快速构建强大的应用吗？《开发人员的ChatGPT提示工程》这门课，正是为你准备的。通过OpenAI API，你将能解锁那些在过去成本高昂、技术门槛高甚至无法实现的能力，快速将创新想法转化为价值。 这门短期课
志设是什么 在创意设计领域，灵感与效率往往难以平衡。是否存在一个工具，既能深度理解您的创意构思，又能迅速将其转化为高品质视觉作品？这正是专业级AI图像生成平台“志设”致力于解决的核心问题。 简而言之，志设是一个融合了前沿人工智能技术的综合性设计解决方案平台。它全面覆盖从平面广告、海报设计到网页UI、
对于渴望提升外语口语与听力水平的学习者而言，如何找到一个高效、便捷且能轻松练习的环境，常常是首要难题。今天我们要深入解析的这款产品——TalkMe，正是精准切入这一需求，试图通过前沿的AI技术，提供一种全新的语言练习解决方案。 简而言之，TalkMe是一款专注于跨语言学习的AI应用，其核心功能设计紧
当冰冷的钢铁巨兽被注入炽热的战斗意志，会碰撞出怎样的战略火花？《王牌机甲》这款游戏，将宏大的科幻叙事深度融入现代战争战术框架，为玩家开启了一段关于征服、策略与深厚羁绊的未来纪元。 在这里，你绝非孤军奋战。每一位通过招募加入的精英机师，都拥有独立的背景故事、专属技能树与独特的成长路线。游戏核心的“羁绊
《暗黑大天使》的技能分支系统提供元素、物理和辅助三大专精方向，玩家需根据角色属性与战斗需求选择分支。技能可投入资源升级并可能触发连锁效果，实战中需结合装备、敌人及团队配合灵活运用。该系统丰富了玩法，但需大量资源与多系统联动，选择需谨慎规划。