ИИ теперь может посмотреть на фото вашей полусобранной полки IKEA и сказать, на каком шаге вы ошиблись. Epoch только что выпустил Benchmark по сборке мебели. Модель получает инструкции в формате PDF и одно фото частично собранного изделия. Ей нужно найти неверный шаг и объяснить ошибку — или сказать, что всё в порядке. Ноябрь 2025: лучший результат — 28% (Claude Opus 4.5) Сегодня: 80% (GPT-6 Astra) 10 месяцев. +52 пункта. Fable 5.1 — 70%. Opus 5 — 61%. Звучит как игрушка. Это не так. Это именно тот навык, которого не хватает роботам: прочитать инструкцию, посмотреть на реальный мир и заметить, что реальность не совпадает с планом. Бенчмарки по программированию показывают, что происходит на экране. Этот показывает, насколько близко ИИ к вашей гостиной. Честно говоря, это небольшой тест: 60 фото, 3 продукта IKEA, и оценщик — другая модель. Я бы не стал ставить на точное число дом. Но важнее не размер, а наклон. Самое пугающее — скорость. От 28 до 80 за меньше чем год, и почти никто не следил за этим графиком. Лично для меня именно это заставило пересмотреть мои сроки. Я всегда думал, что роботы в доме — это дело 2030-х. Модель, которая может проверять физическую работу по инструкциям в 8 случаях из 10, означает, что «мозг» почти готов. Руки — следующие.