GPT-6.1-Sol обошла конкурентов в рейтинге безопасности ИИ-агентов
📈GPT-6.1-Sol обошла конкурентов в рейтинге безопасности ИИ-агентов Arena представила новый индекс, который оценивает не только возможности ИИ, но и то, насколько безопасно и честно агенты выполняют задачи. Исследователи проанализировали более 90 тыс. сессий 27 моделей. В…
- 01.📈GPT-6.1-Sol обошла конкурентов в рейтинге безопасности ИИ-агентов Arena представила новый индекс, который оценивает не только возможности ИИ, но и то, насколько безопасно и честно агенты выполняют задачи
- 02.Исследователи проанализировали более 90 тыс
- 03.сессий 27 моделей
📈GPT-6.1-Sol обошла конкурентов в рейтинге безопасности ИИ-агентов Arena представила новый индекс, который оценивает не только возможности ИИ, но и то, насколько безопасно и честно агенты выполняют задачи. Исследователи проанализировали более 90 тыс. сессий 27 моделей. В рейтинге лидирует GPT-6.1-Sol от OpenAI с 87,9 балла. Следом идут Claude Opus 5.5 от Anthropic (83,2) и Grok 4.7 от xAI (82,7). Индекс учитывает три риска: действия без разрешения пользователя, искажение фактов и заявления об успешном выполнении задач, которые на самом деле не выполнены. Источник
Related Intelligence
All stories →OpenAI announces three big science discoveries and a new way to work with academics
Less than a month after its mass release of hundreds of manuscripts that it said contained solutions to long-standing mathematics questions, OpenAI is back with three more "major" discoveries in math, computer science, and physics. What's different this time is the choice to…
The New Full-Stack Designer
Today, I'm joined by Marvin Schwaibold, who leads the product design studio at Shopify. He'll give us a behind-the-scenes look at his process, >> [music] >> where we'll see how he's using the latest AI tools to bring his designs to life, then review some viewer-submitted…
Anthropic files for IPO
The placement volume and price per share have not yet been announced