开源基准 CloudOpsBench 揭示：推理是 AI 应对云运维的最大瓶颈

密歇根大学 Ang Chen 团队发布开源基准 CloudOpsBench 1.0，包含 45 个 AWS 云运维任务，由资深 DevOps 工程师构建。Claude Fable 5.1 解出 60%，GPT-6 Astra 为 53%，无一模型全部完成。约 80% 的失败源于智能体误判任务范围、未检查相关服务或过早停止，约 20% 为错误操作且部分后果不可逆。