Une seule page piégée fait recommander des produits fictifs à 27 % des IA
Le benchmark FORGE montre qu'une seule page web piégée suffit à faire recommander des produits inexistants par des IA de recherche, jusqu'à 27 % des cas.
Actualités et analyses : Benchmarks
3 articles vérifiés sur Benchmarks, les produits et le secteur.
OpenAI teste la biologie réelle, GPT-5.6 n'atteint que 31,5 %
GeneBench-Pro utilise des jeux de données biologiques imparfaits pour tester le jugement scientifique des modèles.
Gemini 3.1 Pro décroche 12 premières places sur 18 tests de benchmark
Google DeepMind a lancé Gemini 3.1 Pro fin février, obtenant 12 premières places sur 18 benchmarks majeurs, avec un score remarquable de 77,1 % sur ARC-AGI-2. La capacité de raisonnement a plus que doublé par rapport à Gemini 3 Pro, avec un nouveau niveau de réflexion MEDIUM permettant de contrôler la profondeur du raisonnement.