Am realizat cea mai recentă evaluare avansată a raționamentului Box AI pe Opus 4.5 cu efort mediu și mare și am văzut o creștere de 20 de puncte procentuale față de Opus 4.1. Ce e nebunesc de gândit este că Opus 4.1 a apărut acum doar 3 luni. Această evaluare se apropie mai mult de aproximarea a ceea ce face un lucrător al cunoașterii ca o sarcină discretă cu documentele sale de afaceri. Ar putea fi un analist financiar care analizează o companie sau un consultant care face cercetare pentru un client. Evaluarea evaluează modelul în funcție de modul în care răspunde unui prompt complex de afaceri pe o gamă largă de criterii. Suntem încă la începutul acestei evaluări și o vom extinde către o gamă mai largă de industrii și cazuri de utilizare. Ce este clar este că aceste modele noi de raționament vor deveni tot mai bune la funcționarea utilă din punct de vedere economic la fiecare actualizare. Totul a început inițial cu codificarea, dar vom vedea îmbunătățiri similare în domeniul sănătății, dreptului, serviciilor financiare, producției și multe alte domenii.