Workflow Gym：告别仿真测试，抹平Agent落地鸿沟

各家发布会 PPT 一片飘红，仿佛 AI 马上就要接管你的电脑。当有人把赛场从 “Chrome + Office” 搬到 FreeCAD、QGIS、剪映、KiCad、Blender 这些真正干活的软件里，结果一下子变得非常诚实：56 款专业软件、338 个真实工作流、平均 100 步以上的操作链条，就连最强的 Gemini 3.1 Pro 和 Kimi K2.6，pass@3 成功率也只有 41% 左右，单次平均通过率只有 30% 出头。这场考试的名字叫Workflow Gym，来自字节Seed评测团队。