Результаты ИИ-агентов на самых трудных задачах Agents' Last Exam, июнь 2026 (Berkeley RDI)

Строка — задача, столбец — связка агента и модели, цвет — средний балл. Балл бывает дробным, но во многих задачах есть обязательное условие вроде «файл открывается без ошибок», и без него ставят ноль

Ещё мы писали про то, как измеряют нейросети:
— Результаты решения теста ARC Challenge нейросетями, 2019–2025
— Насколько хорошо языковые модели прогнозируют будущее
— Как менялись возможности систем ИИ по распознаванию речи и изображений относительно способностей человека, 1998–2020