Argus relata 78% no SWE-Bench Pro com runtime verificado

Publicado em 8 de agosto de 2026, o texto apresenta o Argus como um runtime de raciocínio agentivo de propósito geral para tarefas de longo prazo, com objetivos pouco definidos e feedback esparso. Segundo o relato, o sistema condiciona pivôs à verificação e obteve 78% no SWE-Bench Pro, contra 59% do Direct Copilot.

O texto sugere que engenheiros de agentes de longa duração avaliem como a verificação controla mudanças no estado do runtime. Para interpretar a comparação, consulte a publicação original e confira a metodologia, as condições de avaliação e o escopo do benchmark; esses detalhes não constam no resumo disponível.