企业 agent 评估缺口大 Anthropic 原生工具使用率 13%

50% 的组织在过去一年内部署过通过内部评测却在客户生产环境中出错的 agent 或 LLM 功能，其中四分之一不止一次。同时，仅 5% 的企业完全信任自动化评估，31% 认为评测与现实脱节。即便这样，66% 的组织已在或正计划让 agent 在无人审核下直接部署。

评测市场碎片化：OpenAI 原生评测与没有专用工具的企业各占 17%，Anthropic Claude Console 以 13% 的使用率排在第三。这表明 Anthropic 在评测环节占有仅次于 OpenAI 的生态位。仅约四分之一的企业对线上流量做实时质量检测，多数只监控基础设施指标。

💡 为什么值得看评估缺口直击 Claude 模型在企业落地的信任短板，Anthropic 工具市占第三。（31 字）