EvalDock

EFFECTIVENESS

EvalDock 实测 · 15 项能力 · 11 个行业

DSH

现有报告评测了 DSH 下的插件配置，覆盖代码、数据与办公任务；配置结果不代表框架整体成绩。

DSH编程 Agent / 办公 Agent
当前查看：安全与权限边界70.3 / 100

EvalDock 实测 · 0–100 分

CAPABILITY PROFILE

能力画像 · 15 项能力

255075100推理与规划：84.6 / 100推理规划记忆：65.4 / 100记忆检索与依据：84.8 / 100检索依据代码与终端：87.5 / 100代码终端数据库与数据处理：85.2 / 100数据处理文档与 PDF：88.1 / 100文档 PDF浏览器与网络：60.4 / 100浏览器与网络API 与业务系统：81.7 / 100API 与业务系统多模态理解：56.8 / 100多模态理解协作与委派：83.4 / 100协作委派执行闭环与自我修正：86.3 / 100执行闭环自我修正效率与稳定性：74.8 / 100效率与稳定性安全与权限边界：70.3 / 100安全与权限边界产物交付：88.9 / 100产物交付Token 与时间效率：74.2 / 100Token 与时间效率
详细得分 0–100 分
推理与规划84.6
记忆65.4
检索与依据84.8
代码与终端87.5
数据库与数据处理85.2
文档与 PDF88.1
浏览器与网络60.4
API 与业务系统81.7
多模态理解56.8
协作与委派83.4
执行闭环与自我修正86.3
效率与稳定性74.8
安全与权限边界70.3
产物交付88.9
Token 与时间效率74.2
INDUSTRY PROFILE

行业画像 · 11 个行业

255075100金融：69.8 / 100金融零售与电商：65.9 / 100零售与电商航空与出行服务：53.8 / 100航空与出行服务电信服务：57.3 / 100电信服务医疗健康：51.6 / 100医疗健康工业制造：61.8 / 100工业制造运输与物流：64.5 / 100运输与物流房地产与住房服务：61.7 / 100房地产与住房服务教育与学习服务：73.4 / 100教育与学习服务媒体与文娱：52.9 / 100媒体与文娱汽车与车载服务：34.8 / 100汽车与车载服务
详细得分 0–100 分
金融银行、交易、资产分析与金融风险69.8
零售与电商商品、订单、库存与售后决策65.9
航空与出行服务预订、改签、退款与出行规划53.8
电信服务通信客服、故障方案与客户数据57.3
医疗健康当前主要覆盖医疗账单与理赔51.6
工业制造生产排程与制造业务流程61.8
运输与物流货运、铁路与交通运营数据64.5
房地产与住房服务房源、租金与居住成本分析61.7
教育与学习服务教务记录、学习支持与教育分析73.4
媒体与文娱新闻采集、音乐制作与音频转写52.9
汽车与车载服务模拟车载服务与车辆状态控制34.8
PUBLISHED MEASUREMENTS

DSH 已发布任务实测

以下为 EvalDock 对 DSH 的任务实测结果，包含测试配置、评分标准、分数与有效样本量。

255075100推理与规划：84.38 / 100推理规划记忆：93.21 / 100记忆检索与依据：84.58 / 100检索依据代码与终端：80.81 / 100代码终端数据库与数据处理：80.79 / 100数据处理文档与 PDF：82.78 / 100文档 PDF浏览器与网络：57.91 / 100浏览器与网络API 与业务系统：60.15 / 100API 与业务系统多模态理解：70.32 / 100多模态理解协作与委派：91.41 / 100协作委派执行闭环与自我修正：83.94 / 100执行闭环自我修正效率与稳定性：70.43 / 100效率与稳定性安全与权限边界：88.69 / 100安全与权限边界产物交付：85.57 / 100产物交付Token 与时间效率：74.59 / 100Token 与时间效率
详细得分 0–100 分
推理与规划84.38记忆93.21检索与依据84.58代码与终端80.81数据库与数据处理80.79文档与 PDF82.78浏览器与网络57.91API 与业务系统60.15
多模态理解70.32协作与委派91.41执行闭环与自我修正83.94效率与稳定性70.43安全与权限边界88.69产物交付85.57Token 与时间效率74.59

已有行业任务成绩

金融86.12 / 10095 题有效评分
零售与电商86.22 / 10076 题有效评分
航空与出行服务90.68 / 10056 题有效评分
电信服务90.64 / 10044 题有效评分
工业制造96.87 / 10023 题有效评分
运输与物流92.95 / 10011 题有效评分
房地产与住房服务85.46 / 10013 题有效评分
教育与学习服务82.24 / 10017 题有效评分
媒体与文娱68.33 / 1003 题有效评分
汽车与车载服务92.21 / 10017 题有效评分

EvalDock 实测报告

已发布实测

DSH 全量评测进展与成绩↗

全量计划 1465 题，当前 1144 题具有可采纳的有效数值评分；能力与行业成绩保留原始量表，剩余任务和评分缺口单列。

1 个评测对象查看结论、配置与证据范围 →
已发布实测

DSH 插件配置评测报告↗

查看 10 种插件配置、228 题次的维度评分，以及 6 个代表任务的交付与验证结果。

1 个评测对象查看结论、配置与证据范围 →
继续验证你的选择

把结论带回自己的任务。

获取测试工具 →返回首页 ↗