ScarfBench: Otevřený benchmark pro migraci Java frameworkůScarfBench hodnotí AI agenty při migraci aplikací mezi frameworky jako Spring, Jakarta EE a Quarkus.6. července 2026AIJavabenchmarking
MTG Bench: proč je Magic dobrý test pro agentní LLMMTG Bench ukazuje, že u agentních modelů nestačí sledovat jen skóre. Důležité je i to, jak model volá nástroje a kolik celý tah stojí.12. června 2026AIMagic: The Gatheringbenchmarking