Il benchmark ThinkingBox di Microsoft arriva su OpenEnv con 20 tentativi per attività, il dataset Exgentic raccoglie 10 000 tracce in formato OpenTelemetry
ThinkingBox riesegue 507 attività 20 volte su OpenEnv e la classifica degli agenti cambia, 10 000 tracce Exgentic in formato OpenTelemetry, Claude Code 2.1.289.