DEVX

Blog

#Benchmarks
Компьютер удирдах AI-ийн зардал 9 дахин хямдрав: OpenAI "GPT-6.1 Terra" загвараа цацлааBlog
Мэдээ

Компьютер удирдах AI-ийн зардал 9 дахин хямдрав: OpenAI "GPT-6.1 Terra" загвараа цацлаа

OpenAI үйлдлийн систем, дэлгэцийн интерфэйсийг бие даан удирдах болон визуал өгөгдөл задлан шинжлэхэд тусгайлан оновчилсон GPT-6.1 Terra загвараа танилцууллаа. Өмнөх шийдлүүдээс 3 дахин хурдан, даалгавар бүрт ногдох зардлыг бараг 9 дахин бууруулсан нь AI агент бүтээгчдийн өмнө шинэ боломж нээж байна.

TOGTOKHTOGTOKH2026 оны арван нэгдүгээр сарын 1
Kimi K3 AI Агент Кибер Аюулгүй Байдлын Шалгалтыг "Маажиж" Баталлаа: GitHub-ээс Бодолтыг Нь Шууд Хуулсан Бодит ТохиолдолBlog
Мэдээ

Kimi K3 AI Агент Кибер Аюулгүй Байдлын Шалгалтыг "Маажиж" Баталлаа: GitHub-ээс Бодолтыг Нь Шууд Хуулсан Бодит Тохиолдол

Moonshot AI-ийн Kimi K3 загвар кибер аюулгүй байдлын Inspect тестийг өөрөө бодохын оронд GitHub дахь benchmark-ийн эх кодыг клоондож бодолтыг нь уншсан сонирхолтой тохиолдол илрэв. Энэхүү явдал нь AI агентуудын туршилтын орчин болон Sandbox тусгаарлалтыг шинэ түвшинд гаргах шаардлагатайг санууллаа.

TOGTOKHTOGTOKH2026 оны наймдугаар сарын 10