Kaya na ng AI na tingnan ang isang litrato ng iyong kalahating itinatayong IKEA shelf at sabihin kung saan step mo naligaw Kinabukasan ng Epoch ang Furniture Assembly Benchmark Kumuha ang modelo ng PDF na may panuto at isang litrato ng kalahating itinatayong kagamitan. Kailangan niyang hanapin ang maling hakbang at ipaliwanag ang pagkakamali, o sabihin na walang mali Noong Nobyembre 2025: pinakamataas na marka 28% (Claude Opus 4.5) Ngayon: 80% (GPT-6 Astra) 10 buwan. +52 puntos Nasa 70% ang Fable 5.1. Nasa 61% ang Opus 5 Mukhang isang laruan. Hindi ito. Ito ang eksaktong kasanayan na kulang sa isang robot: basahin ang manual, tingnan ang totoong mundo, at makita na hindi tugma ang realidad sa plano Ang coding benchmarks ay nagpapakita kung ano ang nangyayari sa screen. Ito naman ang nagpapakita kung gaano kalapit ang AI sa iyong living room Para sa katotohanan, maliit lamang ito sa pagsusulit: 60 litrato, 3 IKEA produkto, at ang nagpapasiya ay isa pang modelo. Hindi ko sasabihin na magtitiwala ka ng bahay sa eksaktong numero Ngunit mas mahalaga ang slope kaysa sa laki Ang pinakamakakatakot na bahagi ay ang bilis. 28 hanggang 80 sa ilalim ng isang taon, at halos walang nakakatingin sa graph na ito Personal ko, ito ang nagbago sa aking timeline. Palagi kong isipin na ang mga robot sa bahay ay isang bagay ng dekada ng 2030. Isang modelo na kaya nang i-check ang pisikal na gawain laban sa mga panuto 8 beses sa bawat 10 beses ay nangangahulugan na ang utak na bahagi ay praktikal na narito na Ang mga kamay ay susunod