Microsofts ThinkingBox-benchmark komt naar OpenEnv met 20 pogingen per taak, Exgentic-dataset brengt 10.000 traces samen in OpenTelemetry-formaat
ThinkingBox voert 507 taken 20 keer opnieuw uit op OpenEnv en de rangschikking van agents verandert, 10.000 Exgentic-traces in OpenTelemetry-formaat, Claude Code 2.1.289.