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
HomeworkAI是什么 如果说有一款工具，能帮你把从微积分到生物学的作业难题拆解得明明白白，那HomeworkAI肯定榜上有名。它不是什么简单的搜题软件，而是一个由专业团队打造的AI学习伙伴，核心目标就是为学生提供步步引导的详细解决方案。无论是为了减轻课业压力，还是为了真正吃透知识点，这个智能平
Whatwide Productivity是什么 简单来说，Whatwide Productivity是一个帮你“偷懒”的高效工具箱。它由Whatwide公司打造，专门服务于那些日常需要处理大量文档、图像、音频，并且追求高效协作的专业人士。它的核心可以概括为四大支柱：智能文档生成、便捷的图像编辑、精
Mac开机静音全攻略：五种方法，总有一款适合你 经典的Mac开机“Duang”声，是许多用户熟悉的开机仪式。但在某些需要安静的场合，比如深夜、图书馆或会议室，这声清脆的提示音可能就显得有些不合时宜了。如果你也希望自己的Mac在启动时能保持低调，那么恭喜你，方法不止一种。从最便捷的系统设置，到一劳永逸
More Episodes!是什么 剧终意难平，是许多剧迷的共同体验。而今天要聊的这款工具，正是为此而生——More Episodes!。它由开发者tosh打造，核心基于GPT-4技术，专攻一件事：为你那些早已完结、看似再无下文的心爱剧集，续写全新的虚构故事。 简单来说，你可以把它想象成一个“剧集复
在区块链技术飞速演进的今天，互操作性已成为制约行业大规模应用的关键瓶颈。传统的“单链”世界如同一个个信息孤岛，资产与数据难以自由流通。而Polkadot的出现，以其革命性的多链架构，正在从根本上重塑这一格局，为构建一个真正互联的Web3世界提供了全新的解决方案。 Polkadot多链架构：超越单链的