🔒Открыть пост
и посмотреть медиа
и посмотреть медиа
Компания Arena запустила рейтинг ИИ-агентов в реальных условиях — на основе задач пользователей, а не искусственных тестов
Оценка показывает, как модели справляются с практическими задачами: программированием, созданием приложений, поиском информации, анализом файлов и работой с инструментами в реальном времени.
В отличие от классических бенчмарков, здесь учитываются живые сценарии и обратная связь пользователей.
Модели оцениваются по 5 критериям: успешность, скорость, исправление ошибок, взаимодействие с пользователем и отсутствие «галлюцинаций» инструментов.
Рейтинг основан на 300 000+ задач и 40 млн строк кода. Сейчас лидирует GPT-5.5 High, за ним — Claude Opus 4.7 Thinking и GPT-5.4 High.
#ИнструментыИИ #РейтингИИ #Arena
📱 Time2Future | ☝️ Новости ИИ