# Taste-Bench visar att AI-agenter har svårt med långsiktiga val

> Ett test med 502 frågor undersöker om AI kan välja rätt väg innan resultatet är känt. Den bäst presterande testade modellen fick 59,7 procent.

Oossa · 2026-10-18 · https://oossa.com/sv/taste-bench-finds-ai-agents-struggle-with-long-term-choices

Forskare har introducerat Taste-Bench, ett test med 502 frågor som undersöker om AI-modeller kan välja rätt inriktning under kodnings- eller forskningsarbete, innan senare steg visar resultatet. Av de 14 testade modellerna fick GPT-5.6 Sol högst poäng, 59,7 procent. En fråga räknades bara om modellen svarade rätt i båda svarsalternativens ordningsföljder.

Den genomsnittliga träffsäkerheten var 62,3 procent när ledtråden redan syntes, men sjönk till 21 procent när den blev synlig först mycket senare. Forskarna tränade också en Qwen3.6-27B-modell att ge råd till en separat agent. På 41 SWE-bench Pro-uppgifter som modellen inte tränats på ökade framgångsgraden från 14,6 till 33,7 procent. Forskargruppen uppger att både testet och koden är offentliga.

## Fakta

- Taste-Bench innehåller 502 frågor baserade på beslutspunkter i agentkörningar.
- Med råd från den tränade Qwen3.6-27B-modellen ökade framgångsgraden på 41 SWE-bench Pro-uppgifter som modellen inte tränats på, från 14,6 till 33,7 procent.

## Varför det spelar roll

För team som använder kodningsagenter tyder resultaten på att godkänt på tester i slutet av en uppgift inte nödvändigtvis visar om en agent fattar beslut som underlättar senare arbete. Det är fortfarande oklart om Taste-Bench kan förutsäga prestanda i vanlig användning.

## Källor och referenser

1. [AI agents have bad taste in long-term decisions and a new benchmark proves it](https://the-decoder.com/ai-agents-have-bad-taste-in-long-term-decisions-and-a-new-benchmark-proves-it/) – The Decoder, 2026-10-18

Senast uppdaterad: 2026-10-18