五模型实测 Salesforce 任务：Claude Opus 87% 夺冠

Claude Opus 在模拟 Salesforce 环境的 agent 评测中以 87% 通过率居首，DeepSeek 和 GPT-6.1 Sol 分别取得 82% 和 72%。五个模型各完成 50 项任务、可调用 8 个工具，并按数据库实际改动评分；DeepSeek 以约 1/75 的成本获得 82%，但静默失败骗过了所有 agent。