📈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
Research1 min read
From the original source:
Telegram — GPT Time | Нейросети | ИИ
Read full article at Telegram — GPT Time | Нейросети | ИИTitle in RussianGPT-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…
Telegram — GPT Time | Нейросети | ИИBy: GPT Time | Нейросети | ИИOctober 9, 2026 (Oct 9)
Available in 1 languagesAI Summary & Key Takeaways
- 📈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
Research
KZ·AI C62EИнсайт дня
GPT-6.1-Sol обошла конкурентов в рейтинге безопасности ИИ-агентов
Full text available in Russian
Related stories
Meta steps up its bet on AI: increases spending and prepares to issue a new class of shares
The tech giant and its future plans could become an important indicator for the market
Kapital.kz
ResearchStory: Anthropic представляет Claude Duet — нового AI-агента-конкурента Muse#OpenAI#Anthropic1 min
Anthropic takes on Grok Bot, Meta's Muse, and OpenAI's Dots with its always-on agent "Claude Duet"
Anthropic has launched Claude Duet, a proactive AI agent that handles tasks on its own, even when the user is offline. The app is built on Claude Opus 5.5 and connects to services like Gmail, Slack, and Stripe through more than 6,000 connectors. It asks for approval before…
The Decoder
Ensemble forecasting with IBM Granite time-series models
A Blog post by IBM Research on Hugging Face
Hugging Face Blog
Strong results from SpaceX and the idea of merging with Tesla have returned market interest in AI-segment securities.
US indices added 0.6-1.1%. Company reports partly dispelled fears about demand for AI
Kapital.kz