Claude 在一項測試「構建代理的代理」的新基準測試中表現最佳，但通過的測試仍不足四分之一。

「構建代理的代理」基準測試結果顯示，即使是表現最佳的 AI 模型 Anthropic 的 Claude，也只通過了極少數的測試。這表明，儘管 AI 在自主開發其他 AI 系統的能力方面正在取得進展，但該技術仍處於早期階段。對於亞洲科技公司，特別是那些在 AI 研發方面投入巨資的公司來說，這意味著完全自主的 AI 代理創建仍是一個遙遠的目標，需要繼續在基礎 AI 研究方面進行大量投資，而不是立即應用。觀察到的局限性意味著在可預見的未來，人為監督和干預在 AI 開發流程中仍然至關重要，這將影響整個地區的資源分配和技能要求。重點應放在漸進式進步和穩健測試上，因為目前的技術水平仍有很大的改進空間。