ИИ-агенты перешли от бенчмарков к реальным задачам

Аналитический материал AgentConn: computer-use агенты достигли 85% на OSWorld против 72% у человека, но в длинных рабочих процессах завершают лишь около 20% задач. При этом потребительский кейс — промпт для Claude Code, отключающий рекламный софт на Android TV, — набрал почти 7 тыс. звёзд на GitHub за три дня.

• Лучший computer-use агент даёт 85% на OSWorld при человеческой базе около 72%
• В длинных рабочих процессах агенты завершают лишь около 20% задач целиком
• CleanYourTV набрал 6 976 звёзд и 810 форков на GitHub за три дня
• Промпт поддерживает 92 модели Android TV и Google TV от 31 производителя