الفجوة الأكبر بين مختبرات الذكاء الاصطناعي ليست فيما إذا كان وكلاءهم يقومون بالمهمة أم لا، بل فيما إذا كان المستخدمون يستمتعون فعليًا بالعمل معهم.
تتبعنا أفضل عامل رقمي من @AnthropicAI، @OpenAI، @GoogleDeepMind، @Kimi_Moonshot، @SpaceXSI و@deepseek_ai عبر 4 إشارات رئيسية في Arena للعوامل الرقمية تم استخدامها بين أواخر يونيو وبداية أكتوبر لرؤية كيف تتغير الصناعة.
ثلاثة أشياء لفتت الانتباه:
1. يفضل المستخدمون بعض الوكلاء على البعض الآخر.
فيما يتعلق بالثناء والشكوى، تحتل شركات OpenAI وAnthropic نقاط إجمالية تزيد عن 35 على متوسط جدول التصنيف. أما شركات Moonshot وxAI وDeepSeek فتقع بين +5 و+13. لا يوجد أي مختلط آخر يميز هذه الشركات بهذا الاختلاف الكبير.
2. أداء الوكلاء في التسليم يتحسن بشكل كبير.
عند التأكيد على النجاح، ارتفع أفضل نموذج في المختبر المتوسط من -4 إلى +14 نقاط في ثلاثة أشهر. تتصدر شركة Anthropic باستخدام Claude Opus 5.5 (Max) بـ +20 نقطة.
3. تتجه المختبرات نحو استعادة الأخطاء والتوجيه.
منذ يونيو، انخفض الفارق بين المختبر الستة أكثر من النصف في تطوير Bash Recovery (34 → 16 نقاط)، وانخفض أيضًا تقريبًا إلى النصف في تطوير Steerability (19 → 11).
باختصار، تحاول المختبرات التغلب على الأخطاء.
التخلي عن المستخدم بسعادة هو ما يجعل الثلاثة الأوائل يتقدمون.