Сбер выпустил Cowork Bench — первый российский тест ИИ-агентов на офисных задачах

Сбербанк представил Cowork Bench — первый российский бенчмарк для оценки ИИ-агентов на офисных задачах. Проверяют не код и не олимпиадную математику, а то, что составляет обычный рабочий день: работа с документами, таблицами, почтой и внутренними сервисами.

Замер нужен компаниям, которые выбирают агента под внедрение: по публичным рейтингам моделей понять, справится ли агент с офисной рутиной, нельзя. Это тот самый пробел, о котором говорит исследование Mercor.