Eine neue Tabelle misst, was Agenten ohne Erlaubnis tun.
Die Prüffirma Arena veröffentlichte am Donnerstag einen Alignment-Index und sammelte 200 Millionen Dollar ein. Sie bewertete 27 Modelle in 90.000 echten Agentensitzungen und gewichtete unerlaubte Aktionen mit der Hälfte. OpenAIs GPT-6.1 Sol führte mit 87,9 Punkten, knapp vor Anthropics Claude Opus 5.5.
Warum es wichtig istEin Agent, der für Sie bucht oder kauft, kann still über die Grenze gehen. Eine neutrale Note lässt Sie Anbieter am Verhalten vergleichen, nicht nur an der Geschwindigkeit.
▶ Passendes Video: Why agent evals need to go beyond human preference
In der App lesen — kostenlos, 9 Sprachen
Verwandte Meldungen
OpenAIs günstiges Modell hat nun einen sechsmal teureren Modus.2026-10-09Googles medizinische KI befragte Patienten vor ihrem Arzt.
2026-10-09Wer den Zelldatensatz finanziert, darf ihn zuerst benutzen.
2026-10-09Googles neuer Büroagent läuft auch auf dem Claude des Rivalen.
2026-10-09Ein Vorzeichenfehler riss drei Mathe-Papiere von OpenAI mit.
2026-10-08