Что случилось
Zapier сообщила, что её тест AutomationBench вошёл в рейтинг Fireworks Specialized Intelligence Index. Тест — 657 закрытых задач в 47 имитациях рабочих приложений. Лучший результат у Gemini 4 Argon — 51,3%.
Зачем тебе
Даже самая сильная модель решает примерно половину таких задач. Главная проблема, по данным Zapier, — ложная уверенность: модель сообщает об успехе, хотя задача не выполнена.
Как попробовать
Если настраиваете автоматизацию с ИИ, добавьте после шага с ИИ проверку: правило, второй шаг-сверку или человека. Так же советует и Zapier.
Первоисточник
Проверено по первоисточнику: Zapier — блог (откроется в новой вкладке)Zapier — блог(откроется в новой вкладке)
Дата публикации первоисточника — . Пересказ сделан простым языком; точные условия, цены и сроки смотрите по ссылке.