テンセントは、実際のシナリオから逆工程して作成された260のタスクを備え、コード作成、ウェブオフィス業務、セキュリティといった複数の分野にわたってAIコーディングエージェントを評価するツール「WorkBuddy Bench」を公開しました。このツールでは回答の暗記を防ぐ仕組みが採用されています。評価はウェブ検索機能が無効になった孤立したコンテナ内で実行されます。今回のランキングではClaude Opus4.8がほとんどの項目でトップに立ち、GLM-5.2およびGPT-5.5も特定のカテゴリーで上位に位置しています。





家
