GPT-5.5 Ungguli Claude Fable 5

Peneliti dari University of California, Berkeley's Center for Responsible, Decentralized Intelligence (RDI) meluncurkan Agents’ Last Exam (ALE), sebuah benchmark baru yang dirancang untuk mengukur kemampuan AI dalam menjalankan tugas profesional jangka panjang.

GPT-5.5 dari OpenAI berhasil mengungguli Claude Fable 5 dalam benchmark ini dengan skor 24,0%, sedangkan Claude Fable 5 mendapatkan skor 22,0%.

Agents’ Last Exam (ALE) menawarkan pendekatan baru dalam menilai kemampuan AI dengan meminta model untuk menjalankan tugas profesional jangka panjang dan menilai kemampuan mereka dalam menjalankan tugas tersebut.