Claude Fable 5 стал лидером Agent Arena, заняв 17-е место по управляемости
Платформа Arena (ранее LMArena) представила новый бенчмарк Agent Arena для оценки ИИ-моделей в агентском режиме. Первое место в рейтинге занял Claude Fable 5 от компании Anthropic.
Общий показатель модели превысил средний на 11,2%. При этом организаторы отмечают, что результаты постоянно обновляются, поэтому текущие цифры могут отличаться. Бенчмарк оценивает способность моделей выполнять реальные рабочие задачи в автономном режиме.
Несмотря на лидерство по общей эффективности, по критерию управляемости Claude Fable 5 оказался лишь на 17-м месте из 23 участников. Управляемость отражает способность следовать инструкциям и оставаться под контролем пользователя.
Этот результат показывает, что повышение самостоятельности агента может идти в ущерб послушанию. Agent Arena становится важным инструментом для сравнения ИИ-агентов, так как моделирует реальные сценарии использования.
Разработчики Anthropic, вероятно, учтут эти данные в следующих версиях. Таким образом, Claude Fable 5 демонстрирует высокую эффективность, но проблема управляемости остаётся открытой в сообществе разработчиков ИИ.
