Veb inkişaf, AI və texnologiyalar haqqında məqalələr

CloudOpsBench açıq mənbə benchmarkıdır və AI agentlərini 45 AWS DevOps tapşırığında sınaqdan keçirir. Ən yaxşı modellər tapşırıqların yalnız 60 faizini həll edir; tədqiqatçılar uğursuzluqların əksəri məntiq səhvlərindən qaynaqlandığını deyir.

Anthropic, Claude üçün Message Threads funksiyasını ictimai beta kimi təqdim edib. Uzun söhbətlərdə ilk tokenə qədər vaxtı təxminən 35% azaldır və token istifadəsini dəyişmir.