Le filThèmes : Évaluations
Un audit d’AutomationBench, le benchmark de Zapier, y trouve 206 bugs dans les vérificateurs
1 sourcemis à jour il y a 8 hpertinence 3,0 sur5
L’essentiel
Leur correction change 27,9 % des notes sur 1 235 exécutions de Kimi K3. Cette version corrigée est appelée AutomationBench Verified.
Propagation1 article, publié par AINews le 7 oct. à 6 h 55.
Les sources
1 article
Aucune source primaire : la page de l’auteur du fait n’est pas parmi les sources.
Sur les mêmes thèmes
Évaluations
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Évaluations
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5
Évaluations
Mistral AI présente Mistral Large 4, disponible en préversion via son API
Évaluations
L’Anthropic Frontier Red Team constate que GLM-5.3 réalise des détournements de flux de contrôle complets
À lire ensuite
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Sécurité
OpenAI reconnaît que ses agents d’IA ont pu perturber les sites de dizaines d’institutions
Modèles
Simon Willison couvre en direct la keynote de l’OpenAI DevDay 2026 fort Mason, à San Francisco