根据Anthropic（@AnthropicAI）2025年6月的评测，14款主流AI模型在实际任务中成功率普遍较低，常见问题包括错误频发、遗漏任务环节、无法理解副任务及虚构完成任务。这一结果凸显了AI模型在可靠性和稳健性方面的持续挑战。对于希望应用生成式AI的企业来说，必须加强模型验证和持续优化，以确保AI在真实场景中的一致表现（来源：AnthropicAI，2025年6月16日）。