สิ่งที่ Delentia Labs พิสูจน์แล้ว — ในโค้ดที่ใช้งานได้ การทดสอบที่ผ่าน และ benchmark ที่มีเอกสาร
คนคนเดียวที่เขียนโค้ดไม่เป็น สั่งงานผู้ช่วยเขียนโค้ด AI ผลลัพธ์จนถึงตอนนี้: รันไทม์ agent โอเพนซอร์สที่ CI ของรีโพสาธารณะรันการทดสอบอัตโนมัติ 7,820 รายการ สิ่งที่แสดงได้แคบ: คนคนเดียวสร้างและทดสอบรันไทม์ agent ที่มีธรรมาภิบาลด้วยวิธีนี้ได้ ไม่ได้แสดงว่ารันไทม์ทำงานดีกับโมเดลที่เก่งพอหรือสำหรับคนอื่น ซึ่งยังไม่ได้วัด
public repository CI ครอบคลุมการทดสอบอัตโนมัติ 7,820 รายการในชั้น unit, integration และ end-to-end โดยมี backend-validated coverage 66.7% และเป้าหมายสาธารณะ 100% จำนวนการทดสอบไม่ใช่ตัวชี้วัดความภาคภูมิใจ — มันคือความมุ่งมั่นขององค์กรต่อ evidence culture ที่มองเห็นและติดตามได้ตั้งแต่วันแรก
ไม่อ้างคะแนน GAIA หรือ leaderboard ใด ๆ หน้านี้เคยอ้างช่วงคะแนนที่คาดการณ์ ซึ่งไม่มีการวัดรองรับและถูกถอนแล้ว จะเผยแพร่ผลก็ต่อเมื่อวัดและส่งอย่างเป็นทางการแล้ว
Delentia เริ่มต้นในกรุงเทพฯ เป้าหมายคือชั้นธรรมาภิบาลที่เจ้าของเขียนกฎเอง (นโยบายที่เก็บข้อมูล ใครลงนามอะไร) เพื่อให้รันไทม์เดียวกันใช้ภายใต้กฎของแต่ละประเทศได้ ระบบไม่รู้กฎหมายของประเทศใดและไม่รับรองการปฏิบัติตามกฎหมาย นั่นยังเป็นหน้าที่ของเจ้าของและที่ปรึกษากฎหมายของเขา
ทุกข้อเรียกร้องในหน้านี้มี benchmark ที่มีเอกสาร test suite และ specification สาธารณะรองรับ