पहला AI एजेंट प्रणालीगत मानक परीक्षण सामने आया, 25 विभिन्न भाषा मॉडल का व्यापक मूल्यांकन परिणाम दिखाता है: GPT-4 अद्वितीय है। शीर्ष व्यावसायिक भाषा मॉडल जटिल वातावरण में उत्कृष्ट प्रदर्शन करते हैं, ओपन-सोर्स मॉडल की तुलना में महत्वपूर्ण लाभ होता है। अनुसंधान टीम ने ओपन-सोर्स मॉडल की सीखने की क्षमता को और बढ़ाने की सिफारिश की।