Forschung
AI Minute Newsroom
2026-10-06
Zwanzig Versuche kosteten den besten Agenten ein Drittel der Punkte.
Ein neuer Test namens Thinkingbox ließ 507 Geschäftsabläufe je zwanzigmal aus sauberem Zustand laufen. Claude Opus 5 löste einmal 66,5 Prozent der Aufgaben, in allen zwanzig Läufen nur 47,5 Prozent. Kimi K3 fiel stärker, von 57,4 auf 17,6 Prozent, der Abstand liegt also in der Verlässlichkeit.
Warum es wichtig istDemos zeigen einen Agenten, der einmal trifft; Ihre Arbeit braucht ihn jedes Mal. Der Test bewertet die hinterlassene Datenbank, nicht den selbst geschriebenen Bericht.
✓ Verifiziert · 1 Quellen
In der App lesen — kostenlos, 9 Sprachen
Verwandte Meldungen
OpenRouter trennt sich nach einem Ködertest von drei Anbietern.
2026-11-22Forscher wollen aus Metas KI-Agent Muse Chats herausgeschleust haben.
2026-11-22OpenAI will den Diebstahl von Denkschritten fast gestoppt haben.
2026-11-22Die Lean-Community hält den KI-gestützten Riemann-Beweis für korrekt.
2026-11-22Ein offenes KI-Modell verbesserte sich laut Forschern selbst.
2026-11-21