📈 По данным METR, ИИ-агенты теперь могут выполнять задачи вдвое дольше каждые 3,6 месяца
Организация METR, оценивающая возможности ИИ, только что выпустила крупнейшее на сегодняшний день обновление своей оценки: она протестировала 15 моделей, включая Opus 5.5 и GPT-6 Astra. Продолжительность задач, которые могут выполнить лучшие ИИ-агенты, примерно каждые 3,6 месяца увеличивается вдвое. В марте 2025 года лучшая модель справлялась с задачами примерно на час; современные передовые модели выполняют задачи продолжительностью до 27 часов в более сложных проверяемых тестах METR. Слабое место: когда нет чёткой обратной связи, ИИ-агенты всё ещё выносят суждения хуже, чем эксперты-люди.
⭐ ИИ всё быстрее справляется с задачами самостоятельно, но на вопрос «а это точно правильно?» по-прежнему должен отвечать человек.
#ИИ
Организация METR, оценивающая возможности ИИ, только что выпустила крупнейшее на сегодняшний день обновление своей оценки: она протестировала 15 моделей, включая Opus 5.5 и GPT-6 Astra. Продолжительность задач, которые могут выполнить лучшие ИИ-агенты, примерно каждые 3,6 месяца увеличивается вдвое. В марте 2025 года лучшая модель справлялась с задачами примерно на час; современные передовые модели выполняют задачи продолжительностью до 27 часов в более сложных проверяемых тестах METR. Слабое место: когда нет чёткой обратной связи, ИИ-агенты всё ещё выносят суждения хуже, чем эксперты-люди.
⭐ ИИ всё быстрее справляется с задачами самостоятельно, но на вопрос «а это точно правильно?» по-прежнему должен отвечать человек.
#ИИ
