Herhaalbaarheid

Nieuwe evaluaties van Andon Labs laten GPT-6 Astra een drone door een kantoor sturen en een jaar lang een gesimuleerd verkoopbedrijf beheren. De beste drone-run haalt de referentie op alle vijf taken; Vending-Bench zet Astra bovenaan.

Business Insider meldt dat Hugging Face een verkoop verkent van minstens 13 miljard dollar. Het bedrijf bevestigt niets. Voor teams die modellen, datasets en inferentie van de hub halen, telt vooral de eigenaarsvraag.

De helft van de bedrijven zag het afgelopen jaar een AI-agent die alle interne tests doorstond, alsnog een storing bij klanten veroorzaken. Toch neemt de menselijke controle af terwijl de autonomie juist groeit.

Je pakket heeft geen publieke API, dus zeggen koppelpartijen dat er niets kan. Vier routes zeggen van wel, elk met wat hij kost, waar hij breekt en welke afspraak je vooraf met je leverancier maakt.

Je probeerde wat prompts, de demo liep gladjes, dus live. Daarmee weet je nog niet of je AI werkt. Een eval vervangt dat onderbuikgevoel door een getal dat je kunt herhalen en vergelijken.