Plurai привлекла $13 млн для повышения надежности ИИ-агентов
ИИ-агенты по-прежнему плохо справляются со сложными задачами без тщательного контроля. В бенчмарках Claude Fable 5.2 успешно выполнила 82,9 из 100 заданий, а ChatGPT-6 Astra — 75,6. В симулированной корпоративной среде, которую тестировала EON, Claude Opus 4.8 показала точность 76,8%.