Engadget, OpenAI'ın Dot agent'ını Meta'nın Muse agent ürünüyle karşılaştıran bir inceleme yayımladı; her iki satıcının agent yeteneğini ve tool use'u nasıl çerçevelediğini ele alıyor. Yazı, daha geniş bir kurumsal agent yönetişimi ve kimlik raporlaması dalgasıyla birlikte geliyor; bu da karşılaştırmanın model kalitesinden çok etrafındaki harness ile ilgili olduğunu düşündürüyor.
Agent sistemlerini spesifiye eden ekipler için bu kayma önemli. Değerlendirme yüzeyi çalışma zamanı: tool call'ların nasıl bildirildiği, doğrulandığı ve yeniden oynatıldığı; bir çağrı başarısız olduğunda veya bir plan kaydığında yürütmenin nasıl sınırlandırıldığı; ve agent kimliğinin nasıl verildiği, kapsamlandırıldığı ve iptal edildiği. Benzer modeller üzerine kurulu iki yığın, bunlar mevcut p
Sağlanan haber kapsamının ortaya koymadığı şey net bir hüküm. Karşılaştırma bağımsız ölçümden ziyade satıcı konumlandırması olarak çerçevelenmiş ve hiçbir benchmark, maliyet rakamı veya dağıtım detayı belirtilmiyor. Ekipler bunu bir skor tablosu değil, tasarım uzayının bir haritası olarak görmeli ve taahhüt vermeden önce kendi tool envanterlerine ve kimlik sağlayıcılarına karşı kendi harness düzeyinde testlerini çalıştırmalı.