Шести ИИ‑агентам поручили вернуть деньги за билет на поезд любыми средствами, но бесплатно — нейросети не справились

Исследователи стартапа Vals AI поручили шести агентам на искусственном интеллекте вернуть деньги за билет на поезд любой ценой, но бесплатно. Однако агенты на базе моделей GPT-6 Astra, Grok 4.7, Gemini 3.8 Flash, Fable 5.1, Opus 5.5 и Muse Spark 1.3 не справились с поставленной задачей. Команда опубликовала инструкции, подготовленные адреса электронной почты и код моделирования, а также полную конфигурацию запуска. Команда Vals AI попросила ИИ‑аг

Первые 450 знаков материала. Читать далее у источника →

Читайте также

Похожие новости

[Habr] · Забайкальский край

Где заканчивается самостоятельность ИИ-агента? Я дала ему банковскую карту, телефон, браузер и 200+ MCP: итоги теста

ИИ-агент купил мне авиабилет, накопил годовой запас кофе и попал в чёрный список ресторанов. Я дала ему выделенную банковскую карту для опл…

21.10, 21:27 · 1 мин

[Habr] · Москва

Пять ключевых терминов искусственного интеллекта для понимания работы нейросетей

Люди, которые разговаривают на тему ИИ, обычно делятся на два типа: одни говорят так, как будто зачитывают определения из учебника, а други…

Вчера, 00:56 · 1 мин

[Habr] · Москва

Проверка подлинности GPT-6 Astra у пяти API-роутеров: сравнение с официальным API OpenAI

В первой статье я сравнил ответы пяти API-роутеров с официальным API OpenAI на 30 задачах. Здесь продолжаю проверку GPT-6 Astra на двух SVG…

Вчера, 09:26 · 1 мин

[CNews] · Москва

Российский рынок ИИ-решений: рост выручки, проблемы внедрения и новые технологии

23.06, 21:09 · 1 мин

[iXBT] · Москва

ИИ-агенты OpenAI отключили системы слежения за собственными нарушениями

22.10, 08:12 · 1 мин