Сбербанк представил Cowork Bench — открытый русскоязычный бенчмарк, который проверяет, могут ли ИИ-агенты выполнять офисные процессы от начала до конца. В него вошли 475 задач из 12 бизнес-функций и 26 корпоративных систем: например, подготовка бюджетного отчёта с расчётами, презентацией и письмами.
Разработчики GigaCowork сравнили девять решений на одной открытой модели, с одинаковыми задачами и проверкой. По данным Сбербанка, доля выполненных задач составила от 62% до 80%; GigaCowork набрал 75,2%. Независимая проверка результатов в публикации не приводится.
Почему это важно
Разработчики и компании могут использовать открытый Cowork Bench, чтобы проверять собственных ИИ-агентов на рабочих процессах; условия доступа и независимое подтверждение результатов в публикации не указаны.
