Le banc ThinkingBox de Microsoft arrive sur OpenEnv avec 20 essais par tâche, le jeu de données Exgentic réunit 10 000 traces au format OpenTelemetry
ThinkingBox rejoue 507 tâches 20 fois sur OpenEnv et le classement des agents change, 10 000 traces Exgentic au format OpenTelemetry, Claude Code 2.1.289.