Open Benchmarks Grants
A Snorkel AI 30 millió dollárral bővíti a nyílt AI-benchmarkok támogatását
A Snorkel AI 30 millió dollárra emeli nyílt benchmarkokat támogató programjának keretét. A vállalat új értékelési módszereket, benchmarkok folyamatos tesztelését és…
Miért buknak el a frontier AI-ügynökök a valódi mérnöki munkán?
A Terminal-Bench 3.0 legjobb modellje, Claude Opus 5 is csak 43,5 százalékos eredményt ér el az új teszten. A Snorkel AI két feladaton keresztül mutatja be, miért nehéz…