Microsoft का ThinkingBox बेंचमार्क प्रति कार्य 20 प्रयासों के साथ OpenEnv पर आया, Exgentic डेटासेट ने OpenTelemetry प्रारूप में 10,000 ट्रेसेस एकत्रित किए
ThinkingBox ने OpenEnv पर 507 कार्यों को 20 बार फिर से चलाया और एजेंटों की रैंकिंग बदल गई, OpenTelemetry प्रारूप में 10,000 Exgentic ट्रेसेस, Claude Code 2.1.289।