AI अब आपके अधूरे IKEA शेल्फ की फोटो देखकर आपको बता सकता है कि आपने कौन सा चरण गलत किया है Epoch ने हाल ही में Furniture Assembly Benchmark जारी किया है मॉडल को निर्देशों का PDF और एक अधूरे सामान की फोटो मिलती है। इसे गलत चरण पहचानना होता है और गलती की व्याख्या करनी होती है, या यह कहना होता है कि कोई गलती नहीं है नवंबर 2025: सर्वश्रेष्ठ स्कोर 28% (Claude Opus 4.5) आज: 80% (GPT-6 Astra) 10 महीने। +52 पॉइंट्स Fable 5.1 70% पर है। Opus 5 61% पर है ऐसा लगता है जैसे एक खिलौना हो। लेकिन ऐसा नहीं है यही क्षमता रोबोट को कमी है। मैनुअल पढ़ें, वास्तविक दुनिया को देखें, और ध्यान दें कि वास्तविकता योजना से मेल नहीं खाती कोडिंग बेंचमार्क आपको बताते हैं कि स्क्रीन पर क्या होता है। यह बेंचमार्क बताता है कि AI आपके बैठक कमरे तक कितना पहुँच चुका है सच कहूँ, यह एक छोटा परीक्षण है। 60 फोटो, 3 IKEA उत्पाद, और ग्रेडर एक और मॉडल है। मैं इस संख्या पर घर नहीं लगाऊँगा लेकिन प्रवणता साइज से ज्यादा मायने रखती है सबसे डरावनी बात इसकी गति है। 28 से 80, सिर्फ एक साल में, और लगभग किसी ने इस चार्ट पर ध्यान नहीं दिया व्यक्तिगत रूप से, यही मेरे समय-रेखा को स्थानांतरित करने वाला पहला मुद्दा है। मैं हमेशा सोचता रहा कि घर में रोबोट 2030 के दशक में होंगे। 10 में से 8 बार सुझावों के साथ भौतिक कार्य की जाँच करने में सक्षम मॉडल का मतलब है कि मस्तिष्क का हिस्सा मूलतः मौजूद है अब हाथों की प्रतीक्षा है