Независимая редакция MIOКазахстан · СНГ · глобальный интернет-бизнес
В прогоне AutomationBench 17–18 ноября Gemini 4 Neon установила новый результат. Но даже лидер завершил без ошибок чуть больше половины заданий — это важный ориентир для внедрения агентов в бизнес.
Дата первоисточника · 18 ноября 2026

Суть за 30 секунд
- На максимальном уровне рассуждения модель выполнила 370 из 657 заданий — 56,3%. Зачёт давался только при выполнении всех проверок конечного состояния.
- Испытания проходили в 47 симулированных приложениях по шести направлениям: продажи, маркетинг, операции, поддержка, финансы и HR. Агент не мог задать уточняющий вопрос человеку.
- Результат лабораторного теста не равен надёжности в реальной компании. Оценки расходов в отчёте рассчитаны по тарифам и предположению о кэшировании, а не по оплаченным счетам.
Что это значит для бизнеса
Вывод MIO: сравнивать агентов стоит по правильно завершённому процессу. Красивого ответа недостаточно, если в CRM остался дубль или клиенту ушло неверное письмо. Для MioCRM и других интеграций нужен собственный набор проверок и передача спорных случаев сотруднику.
Что проверить на практике
- Выберите один повторяемый процесс и подготовьте примеры с заранее известным правильным результатом.
- Добавьте случаи с неполными данными, похожими именами и дублирующимися заявками.
- Измерьте долю верных завершений и стоимость вместе с ошибочными попытками.


