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.
Lire dans l'app — gratuit, en 9 langues
Actus liées
Un modèle a appris sans la méthode qui entraîne toutes les IA.2026-10-06TikTok a glissé un chatbot d'achat dans la vidéo que vous regardez.
2026-10-06Wikimédia soupçonne des agents d'OpenAI pour la panne de mai.
2026-10-06L'assistant de Meta tient une fiche horaire sur vos proches.
2026-10-05Deux sénateurs veulent la prison pour les patrons d'agents pirates.
2026-10-05