Kami menjalankan eval penalaran lanjutan Box AI terbaru kami di Opus 4.5 dengan upaya sedang dan tinggi dan melihat peningkatan 20 poin persentase dibandingkan Opus 4.1. Yang gila untuk dipikirkan adalah Opus 4.1 keluar hanya 3 bulan yang lalu. Evaluasi ini semakin dekat dengan perkiraan apa yang dilakukan pekerja pengetahuan sebagai tugas terpisah dengan dokumen perusahaan mereka. Bisa jadi analis keuangan yang menganalisis perusahaan atau konsultan yang melakukan penelitian untuk klien. Eval menilai model tentang bagaimana ia menjawab permintaan bisnis yang kompleks di berbagai kriteria. Kami masih awal dengan eval ini dan akan memperluasnya ke berbagai industri dan kasus penggunaan yang lebih luas. Yang jelas adalah bahwa model penalaran terbaru ini akan terus menjadi lebih baik dan lebih baik dalam pekerjaan yang berguna secara ekonomi di setiap pembaruan. Ini awalnya dimulai dengan pengkodean, tetapi kita akan melihat peningkatan serupa dalam perawatan kesehatan, hukum, layanan keuangan, manufaktur, dan banyak bidang lainnya.