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…
China just dropped a new frontier model... and nobody can explain how
Last week, an anonymous mystery model named Kibitz showed up randomly on Chapot Arena performing at the frontier level. Kibitz is the Yiddish word for that guy standing behind you at a chess game, it giving you tips on how to blunder your queen, which to be honest is the perfect…