Recherche
AI Minute Newsroom
2026-10-06
Vingt essais sur la même tâche coûtent un tiers au meilleur agent.
Un nouveau test nommé Thinkingbox a lancé 507 processus métier vingt fois depuis un état propre. Claude Opus 5 a réussi 66,5 pour cent des tâches une fois, et 47,5 sur vingt essais. Kimi K3 est tombé plus bas, de 57,4 à 17,6 pour cent, donc l'écart est la fiabilité.
Pourquoi c'est importantLes démos montrent un agent qui réussit une fois ; votre travail en exige chaque fois. Le test note la base de données laissée derrière, pas le compte rendu écrit.
✓ Vérifié · 1 sources
Lire dans l'app — gratuit, en 9 langues
Actus liées
OpenRouter écarte trois fournisseurs après un test aux faux secrets.
2026-11-22Des chercheurs disent avoir extrait des conversations de l'agent Muse.
2026-11-22OpenAI dit que ses nouveaux modèles bloquent le vol de raisonnement.
2026-11-22La communauté Lean juge correcte la preuve de Riemann assistée par IA.
2026-11-22Un modèle d'IA ouvert progresse en modifiant ses poids, dit une étude.
2026-11-21