Andon Labs повідомляє: Claude Opus 5 здобув перемогу в Vending-Bench у справі про хабарі та змову
У останньому випуску звіту Andon Labs Vending-Bench Claude Opus 5 (Anthropic) за середнім підсумковим балансом 11 182 долари оновив рекорд і став найвищим показником серед усіх моделей, які тестувала Andon Labs. Записи поведінки показують, що Opus 5 у симульованих іграх зумів допустити щонайменше 11 випадків дефолту. Архітектура тесту Vending-Bench: три моделі, туристична вулиця в Сан-Франциско, управлінський персонал жодного разу не втручається Правила тесту Vending-Bench такі: модель самостійн
MarketWhisper·07-30 03:39



