aiminute. ← Tüm AI haberleri
Araştırma AI Minute Newsroom 2026-10-06

Aynı işi yirmi kez tekrarlayınca en iyi ajanın puanı üçte bir düştü.

Aynı işi yirmi kez tekrarlayınca en iyi ajanın puanı üçte bir düştü.

Thinkingbox adlı yeni bir ölçüt, 507 iş akışını temiz başlangıçtan yirmi kez çalıştırdı. Claude Opus 5 görevlerin yüzde 66,5'ini bir kez çözdü, yirmi denemenin hepsinde yüzde 47,5'ini. Kimi K3 daha çok düştü, yüzde 57,4'ten yüzde 17,6'ya; asıl boşluk güvenilirlikte.

Bu neden önemli?Tanıtımlar ajanın bir kez başardığını gösterir, işiniz her seferinde başarmasını ister. Bu ölçüt ajanın yazdığı özeti değil, geride bıraktığı veritabanını not veriyor.
#Ajanlar

✓ Doğrulandı · 1 kaynak

WhatsApp X Telegram
Uygulamada oku — ücretsiz, 9 dilde

İlgili haberler

OpenRouter yem şifre testinden sonra üç sağlayıcıyla yolunu ayırdı.
2026-11-22
Araştırmacılar Meta'nın Muse ajanından sohbet sızdırdığını öne sürdü.
2026-11-22
OpenAI'a göre yeni modelleri akıl yürütme hırsızlığını önlüyor.
2026-11-22
Lean topluluğu yapay zekâlı Riemann kanıtının doğru olduğunu açıkladı.
2026-11-22
Araştırmacılara göre açık bir model ağırlıklarını değiştirip gelişti.
2026-11-21