Сколько «агентских сил» под капотом? Почему AI-агентов всё ещё трудно сравнивать

В статье рассматриваются предложенные Китаем пороги для оценки AI-агентов, включающие 20 подзадач, 60 агентов и 200 инструментов. Автор анализирует возможность измерения «силы» агента одной цифрой и разбирает, что на самом деле показывают современные бенчмарки.