Co-Design Bench: بهترین ایجنت کدنویسی فقط ۲۶٪ کارهای واقعی را کامل درست انجام داد
آزمون تازه‌ی علی‌بابا: بهترین مدل کدنویسی در کارهای واقعی فقط ۲۶٫۴٪ را کامل و درست انجام داد؛ نتیجه‌ها و معنایش.
بنچمارک
همهٔ مقاله‌ها و آموزش‌های هوش نو دربارهٔ بنچمارک؛ راهنمای کاربردی و به زبان ساده برای استفاده از هوش مصنوعی.