O benchmark ThinkingBox da Microsoft chega ao OpenEnv com 20 tentativas por tarefa, o conjunto de dados Exgentic reúne 10 000 traces no formato OpenTelemetry
ThinkingBox repete 507 tarefas 20 vezes no OpenEnv e a classificação dos agentes muda, 10 000 traces Exgentic no formato OpenTelemetry, Claude Code 2.1.289.