評価の出典公式の評価
AutomationBench
Zapier / ビジネス業務 · オフィスソフトをまたいだ自動化作業
News での扱い観察中
根拠の配分採点に使わない
元データの時点未確認
最後に同期に成功まだ取得していません
何をどう測るか
同一の公式非公開テストセットの構成のみを比較する。Fable 5.1がOpus 5を混用したフォールバック行は必ず除外する。
この根拠の使い方
観察中：公開問題集は公式の非公開ランキングデータとは異なる。安定したエクスポートと混合モデルの表示はまだ確認が必要。
評価の限界とデータの出典
観察中：公開問題集は公式の非公開ランキングデータとは異なる。安定したエクスポートと混合モデルの表示はまだ確認が必要。
データのライセンス：リーダーボードデータの使用境界は要確認
スコアは Zapier が公開。元のスコアと News のコンセンサススコアは尺度が異なるため、直接合算できない。