En iyi yapay zekâ ajanı gerçek laboratuvar işinin %30'unu bitirdi
Stanford'lu araştırmacılar bu hafta Terminal-Bench-Science 0.1 ölçütünü yayımladı. Yetmiş görevin her biri, bir araştırmacının kendi laboratuvarındaki gerçek hesaplama işinden alındı. Claude Opus 5 önde; tüm modeller genel ölçütteki puanlarının on puandan fazla altında kaldı.
Bu neden önemli?Yapay zekânın bilimi hızlandırdığı iddiası genelde cevabı bilinen sınav sorularıyla destekleniyor. Bu ölçüt başka bir şeye bakıyor: ajan gerçek bir iş akışını baştan sona yürütebiliyor mu.
Uygulamada oku — ücretsiz, 9 dilde
İlgili haberler
Berkeley'li profesör OpenAI'ın Fourier yöntemine işe yaramaz dedi.2026-10-13Araştırmacılar bir modele testlerin bulamadığı bir beceri gizledi.
2026-10-13Çin'in önde gelen matematikçileri yapay zekâ için ittifak kurdu.
2026-10-13Anthropic'e göre küçük modeller yakında TV kutularına yayılabilir.
2026-10-13Meta'nın ilk amiral modeli bağımsız sıralamada dördüncü oldu.
2026-10-13