标签 > 微软把 507 个业务流跑了 121680 次：失败的运行里，有 67.24% 看起来像做完了

微软联合合作方推出 ThinkingBox 基准做 AI 智能体业务流可靠性测试，一共测了 507 个真实业务任务，累计跑了 121680 次测试；在所