Yeni bir puan tablosu ajanların izinsiz işlerini ölçüyor.
Yapay zekâ ölçüm şirketi Arena perşembe günü Alignment Index adlı tabloyu yayımladı ve 200 milyon dolar topladı. Tablo 27 modeli 90.000 gerçek ajan oturumunda puanladı ve izinsiz eylemlere ağırlığın yarısını verdi. OpenAI'ın GPT-6.1 Sol modeli 87,9 puanla önde, hemen arkasında Anthropic'in Claude Opus 5.5'i var.
Bu neden önemli?Sizin yerinize alışveriş yapan bir ajan sessizce sınırı aşabilir. Tarafsız bir puan, satıcıları hızla değil davranışla karşılaştırmanızı sağlıyor.
▶ İlgili video: Why agent evals need to go beyond human preference
Uygulamada oku — ücretsiz, 9 dilde
İlgili haberler
OpenAI'ın ucuz modeline altı kat pahalı bir hız modu geldi.2026-10-09Google'ın tıbbi yapay zekâsı hastaları doktordan önce dinledi.
2026-10-091,8 milyar dolarlık hücre verisini fonlayanlar onu ilk kullanacak.
2026-10-09Google'ın yeni ofis ajanı rakibinin modeli Claude'u da çağırıyor.
2026-10-09Bir işaret hatası OpenAI'ın üç matematik makalesini düşürdü.
2026-10-08