Der ThinkingBox-Benchmark von Microsoft kommt mit 20 Versuchen pro Aufgabe zu OpenEnv, der Exgentic-Datensatz vereint 10.000 Traces im OpenTelemetry-Format
ThinkingBox führt 507 Aufgaben 20-mal auf OpenEnv aus und verändert das Agenten-Ranking, 10.000 Exgentic-Traces im OpenTelemetry-Format, Claude Code 2.1.289.