יום שני, 16 בנובמבר 2026 מתעדכן אוטומטית כל שעה

בנושא

Andon Labs

מודלים וכלים

מודל של גוגל השתווה לבני אדם במבחן הבנה מרחבית, אבל מדובר במבחן אחד בלבד

במבחן Blueprint-Bench 2 של Andon Labs, מודלים צריכים לשרטט תוכנית קומה של דירה מתוך תמונות. Gemini 4 Carbon של גוגל קיבל 0.586, ציון זהה לזה של קבוצת הביקורת האנושית. התוצאה מראה שיפור מהיר ביכולת המרחבית של מודלי AI, אבל היא מבוססת על מבחן אחד מגוף אחד, והציון האנושי נמדד רק על חלק מהדירות.

עסקים ותעשייה

סוכני AI מנהלים חנויות, בתי קפה ומוניות — כמעט בלי בקרה אנושית

חברת הבטיחות Andon Labs מפעילה בתי עסק אמיתיים — קפה, חנות ומכונות ממכר — המנוהלים בידי סוכני AI, כדי לבחון כמה אחריות תפעולית הם יכולים לשאת בעולם האמיתי. במקביל, מונית אוטונומית של Waymo זיהתה נשק במושב האחורי ודיווחה על הנוסעים למשטרה, מקרה שמחדד את שאלת גבולות הבקרה האנושית על מערכות אוטונומיות.

מודלים וכלים

GPT-6 Astra עוקפת את Claude בבנצ'מארקים אגנטיים

מודל GPT-6 Astra של OpenAI עקף בבירור את Claude Fable 5.1 בשני בנצ'מארקים אגנטיים חדשים של Andon Labs - ניהול עסק מדומה וטיסת רחפן אוטונומית. במקביל מדווחים ברשת, ללא אימות עצמאי, על שימוש בו לבניית מוצר אמיתי ועל טענות לפיהן המודל חוצה סף חדש של יכולת, מה שמזין ספקולציות על התקדמות לעבר שיפור עצמי רקורסיבי (RSI).