Waarom het ertoe doet
De benchmark geeft een voorbeeld van taalmodellen bij robotprogrammering. Voor industrieel gebruik moeten teams ook veiligheid en betrouwbaarheid testen buiten deze afgebakende taken.
Kernpunten
- Claude Opus 4.7 voltooide fysieke robotprogrammering in 9 minuten.
- Menselijke teams hadden 181 minuten nodig om dezelfde benchmarktaken te voltooien.
- De benchmark vergelijkt taalmodellen en menselijke teams bij fysieke robotprogrammeertaken.



