Le meilleur agent IA a terminé 30% du vrai travail de laboratoire
Des chercheurs de Stanford ont publié cette semaine le benchmark Terminal-Bench-Science 0.1. Chacune des soixante-dix tâches vient du travail informatique réel d'un chercheur. Claude Opus 5 est en tête et tous les modèles restent loin de leur score général.
Pourquoi c'est importantL'idée que l'IA accélère la science repose souvent sur des examens à réponse connue. Ce benchmark mesure autre chose : l'agent peut-il mener un vrai flux de bout en bout.
Lire dans l'app — gratuit, en 9 langues
Actus liées
Un professeur de Berkeley juge inutile le Fourier accéléré d'OpenAI.2026-10-13Des chercheurs cachent dans une IA une capacité que les tests ratent.
2026-10-13Les grands mathématiciens chinois s'allient pour créer leur IA.
2026-10-13Anthropic prévient que de petits modèles pourraient se copier seuls.
2026-10-13Le premier modèle de pointe de Meta se classe quatrième d'un indice.
2026-10-13