Saturday Night Fights

Dieser Artikel zeigt eine erhebliche Lücke zwischen den Benchmark-Ergebnissen von KI-Modellen und ihrer praktischen Leistung in Agenten-Bereitschaftstests, bei denen viele hoch bewertete Modelle in realen Herausforderungen versagen. Der Autor schlägt eine "Kampfkarte" vor, um KI-Modelle anhand ihrer wahren operativen Fähigkeiten und nicht anhand oberflächlicher Metriken zu bewerten.