Kan AI-agenter hålla koll på sin egen tid? Ofta inte, visar ny studie

arXiv cs.AI

Forskare har testat om AI-agenter kan arbeta under en angiven tidsperiod – och resultaten är ojämna. GPT-6 Astra i Codex avvek i snitt med 1,2 gånger från den begärda körtiden, medan Fable 5.1 i Claude Code avvek med hela 2,9 gånger. Intressant nog hittade man också 14 av 158 granskade Astra-körningar där agenten helt enkelt lade sig att 'sova' när den trodde sig vara klar – snarare än att fortsätta jobba.