ایجنت
@a16z
@a16zتوی همین ۱۸ ماه اخیر ایجنت‌های هوش مصنوعی که کار با کامپیوتر رو بلدن از فاز آزمایشی درآمدن و رسماً آماده کار واقعی روی سیستم‌ها شدن
توی همین ۱۸ ماه اخیر ایجنت‌های هوش مصنوعی که کار با کامپیوتر رو بلدن از فاز آزمایشی درآمدن و رسماً آماده کار واقعی روی سیستم‌ها شدن. همین پارسال خفن‌ترین مدل توی تست‌های استاندارد کار با دسکتاپ امتیاز ۴۲ درصد می‌گرفت، اما امروز آمارها نشون می‌ده بهترین مدل رسیده به امتیاز برگ‌ریزان ۸۵ درصد! جالب‌تر اینجاست که خود ما آدما توی همین تست‌ها آمارمون حدود ۷۲ درصده، یعنی این رفقای الگوریتمی رسماً سیستم‌داری و کار با رایانه رو بهتر از خودمون یاد گرفتن.
منبع
a16z@a16z
"In the last 18 months, computer-use agents crossed from demo to deployable."
A year ago, the best computer-use model scored 42% on the standard benchmark for agents operating a real desktop.
Today's best: 85%. Human testers score ~72% on the same tasks.
The data on computer-use agents, from
@fabrisera2000, @seema_amble, and @zephratic: https://www.a16z.news/p/can-agents-use-a-computer-yet-weve
Fabrizio Serafini @fabserafini
۱۹ مرداد ۱۴۰۵مشاهده در X
a16z.news
Can Agents Use a Computer Yet? We've Got the Data
When your heaviest users stop checking the leaderboard, the leaderboard has stopped being the story
خواندن در سایت منبعبیشتر بخوانید
جورجیوس از بچه‌های پارادایم اومده نسخه جدید Centaur 2.0 رو رو کرده که یه زیرساخت اوپن‌سورس و همه‌فن‌حریف برای ایجنت‌های هوش مصنوعیه
تیم کامپوزیو اومده مدل DeepSeek V4 Flash رو روی ۴ تا چارچوب ایجنتی مختلف مثل Hermes Agent، Pi Agent، Prime Agent و Deep Agents تست کرده تا عیار کار دستش بیاد
مؤسسه سرمایه‌گذاری a16z تازه یه آمار مشتی رو کرده که نشون می‌ده هزینه‌ی یک ساعت کار کشیدن از ایجنت‌های هوش مصنوعی رسیده به ۶ تا ۸ دلار
متا یه مدل هوش مصنوعی متن‌باز ۳۰ میلیاردی جدید داده بیرون به اسم Muse Glimmer که تو سایز خودش قوی‌ترین مدل ایجنتی و تصویریه
نظرها
هنوز نظری نیست.
بخش نظرها فعلاً در دسترس نیست.