A cikk szerint a benchmark pontszámok nemcsak a modellt, hanem a futtató keretrendszert és a beállításokat is tükrözik, ezért az összehasonlítások óvatos értelmezést igényelnek. Emellett hosszú futású ügynököknél a következtetések megtartása és a kontextus tömörítése lehetővé teszi a modell számára, hogy építsen a korábbi tudásra, ami jobb teljesítményhez vezethet.
A benchmarkértékeket a modell mellett a környezet és beállítások is befolyásolják; hosszú távú ügynököknek előnyös a következtetés megtartása
A cikk szerint a benchmark pontszámok nemcsak a modellt, hanem a futtató keretrendszert és a beállításokat is tükrözik, ezért az összehasonlítások óvatos értelmezést igényelnek.
