opção
BrianMartinez
BrianMartinez
24 de Julho de 2026

A Tencent lançou o WorkBuddy Bench, um conjunto de ferramentas de avaliação de agentes de programação baseados em IA para vários domínios, abrangendo áreas como escritórios virtuais e segurança, contendo 260 tarefas desenvolvidas a partir de cenários reais com o objetivo de evitar a memorização de respostas. O Claude Opus4.8 lidera a maioria das classificações, enquanto o GLM-5.2 e o GPT-5.5 também ocupam posições de destaque em categorias específicas. As avaliações são realizadas em contêineres isolados, com a busca na web desativada.

A Tencent lançou o WorkBuddy Bench, um conjunto de ferramentas de avaliação de agentes de programação baseados em IA para vários domínios, abrangendo áreas como escritórios virtuais e segurança, contendo 260 tarefas desenvolvidas a partir de cenários reais com o objetivo de evitar a memorização de respostas. O Claude Opus4.8 lidera a maioria das classificações, enquanto o GLM-5.2 e o GPT-5.5 também ocupam posições de destaque em categorias específicas. As avaliações são realizadas em contêineres isolados, com a busca na web desativada.
Comentários (0)
0/300
OR