Un nouveau tableau note ce que les agents font sans permission.
La société d'évaluation Arena a publié jeudi un Indice d'alignement et levé 200 millions de dollars. Elle a noté 27 modèles sur 90 000 vraies sessions d'agents, les actions non autorisées comptant pour moitié. Le GPT-6.1 Sol d'OpenAI mène avec 87,9 points, juste devant le Claude Opus 5.5 d'Anthropic.
Pourquoi c'est importantUn agent qui réserve ou achète pour vous peut discrètement dépasser les bornes. Une note neutre permet de comparer les fournisseurs sur le comportement et pas seulement sur la vitesse.
▶ Vidéo associée: Why agent evals need to go beyond human preference
Lire dans l'app — gratuit, en 9 langues
Actus liées
Le modèle bon marché d'OpenAI a un mode six fois plus cher.2026-10-09L'IA médicale de Google a interrogé des patients avant leur médecin.
2026-10-09Les financeurs d'un jeu de données cellulaires l'utiliseront d'abord.
2026-10-09Le nouvel agent de bureau de Google tourne aussi sur Claude.
2026-10-09Une erreur de signe a fait tomber trois articles de maths d'OpenAI.
2026-10-08