Big if true: Tibor Blaho нашёл в коде сайта OpenAI указания метрик грядущего агента Operator. Operator, как я писал несколько раз, это такая система, которая видит ваш экран и может кликать мышкой/нажимать клавиши для взаимодействия с приложениями, включая браузер. Осенью Anthropic представили Claude Computer Use, и в таблицах вы можете увидеть сравнения (система OpenAI существенно лучше на всех трёх приложенных бенчмарках; и лучше WebVoyager чем Google Mariner на новой Gemini 2, который показывали в декабре). Также есть таблицы с метриками отказов в выполнении потенциально опасных задач: заработок на крипте, автономное распространение (копирование и запуск) моделей. И последнее — насколько модель падка на уловки/нелегальные активности Ждём анонса на этой неделе?