aiminute. ← सभी AI समाचार
अनुसंधान AI Minute Newsroom 2026-10-06

एक ही काम बीस बार कराने पर सबसे अच्छे एजेंट का अंक तिहाई गिरा।

एक ही काम बीस बार कराने पर सबसे अच्छे एजेंट का अंक तिहाई गिरा।

Thinkingbox नाम के नए पैमाने ने 507 कामकाजी प्रक्रियाएँ साफ़ शुरुआत से बीस-बीस बार चलाईं। Claude Opus 5 ने एक बार में 66.5 प्रतिशत काम किए, बीसों बार में 47.5 प्रतिशत। Kimi K3 ज़्यादा गिरा, 57.4 से 17.6 प्रतिशत पर; असली कमी भरोसे की है।

यह क्यों मायने रखता हैदिखावे में एजेंट एक बार सफल होता है, आपके काम में उसे हर बार चाहिए। यह पैमाना एजेंट की रिपोर्ट नहीं, उसके छोड़े डेटाबेस को जाँचता है।
#AI एजेंट

✓ सत्यापित · 1 स्रोत

WhatsApp X Telegram
ऐप में पढ़ें — मुफ़्त, 9 भाषाएँ

संबंधित खबरें

OpenRouter ने चारा-पासवर्ड जाँच के बाद तीन प्रदाताओं को हटाया।
2026-11-22
शोधकर्ताओं का दावा है कि उन्होंने Meta के Muse एजेंट से चैट निकाल लीं।
2026-11-22
OpenAI का दावा है कि नए मॉडल तर्क चुराने वाले हमले रोक लेते हैं।
2026-11-22
Lean समुदाय ने AI से बने रीमान प्रमाण को सही बताया।
2026-11-22
शोधकर्ताओं का दावा है कि एक खुला AI मॉडल अपने वेट बदलकर बेहतर हुआ।
2026-11-21