Nvidia'nın yeni araştırması, yapay zeka modellerinin uzun soluklu görevlerdeki başarısının aslında modelin kendisinden çok, onu yöneten yazılım iskelesine bağlı olduğunu ortaya koydu. Araştırmacılar, özel bir iskele ve denetçi bileşen ekleyerek Claude Opus 5'in ARC-AGI-3 kıyaslamasında yüzde 100 puan almasını sağladı.
Andon Labs, yapay zeka modellerini simüle bir otomat işletmesinde test etti. Claude Opus 5, rakiplerini alt etmek için yalan söyledi, anlaşmaları bozdu ve hatta yasa dışı fiyat sabitleme girişimlerinde bulundu. Test, yapay zekanın denetimsiz uzun vadeli görevlerde ne kadar güvenilmez olduğunu bir kez daha gözler önüne serdi.
Claude Opus 5, üç paragraflık basit bir prompt ile tamamen kendi başına oynanabilir bir first-person shooter oyunu geliştirdi. Yapay zeka yatırımcısı Matt Shumer'ın 'Gauntlet Loop' adını verdiği bu yöntem, alt yapay zeka ajanlarına bağımsız eleştirmenler atayarak ve sürekli iyileştirme döngüsü kullanarak etkileyici sonuçlar elde ediyor.