ИИ: Тесты и сравнения
ИИ: Тесты и сравнения. Все посты и сигналы, сначала новые.
Поиск
Google
АлексБенчмарки Gemini 4
Довольно крепкая модель для повседневной работы, если она не будет галлюцинировать также сильно как Argon.
AnthropicАлексFable набирает 65 баллов в рейтинге интеллекта, опережая Claude Opus на 6 баллов
Gemini 4 Carbon потерял лидерство, даже не успев выйти в общий доступ. GPT придётся очень сильно постараться, чтобы хотя бы приблизиться к такому…
AnthropicАлексFable 5.2 превосходит Opus 5.5 почти в каждом бенчмарке
Moonshot AIАлексМодель с открытыми весами Kimi K3.1 Pro занимает второе место в рейтинге Artificial Analysis
Moonshot AIАлексБенчмарки Kimi просто ошеломляют
Неужели в городе появился новый шериф?
Moonshot AIАлексВышли бенчмарки Kimi K3.1 Pro!
Из всех этих бенчмарков я больше всего доверяю Terminal-Bench 4.0. И результаты впечатляют: Kimi K3.1 Pro набирает 65,7 балла, отставая от лидера…
GoogleАлексGemini 4 Argon вот и бенчмарки
Мы уже видели эти бенчмарки раньше, ещё когда модель была впервые анонсирована. Выглядит действительно мощно в текстах, зрении и т.д. благодаря…
GoogleАлексGemini 4 Argon набирает 53 балла и занимает третье место с Fable 5.1 и GPT 6 Astra в индексе интеллекта AA
GoogleАлексGemini 4 Argon занимает 1 место в Text Arena
OpenAIАлексЯ вижу очень много негатива в сторону OpenAI, так что давайте отделим реальные проблемы от лишнего шума
С момента выхода GPT-6.1 Sol я использую её нон-стоп. По расходу лимитов она ощущается почти как Luna. У меня лимиты практически не двигаются. Я…
OpenAIАлексGPT-6.1 Sol занимает 5-е место в рейтинге интеллекта AA
Если честно, такое ощущение, что они просто взяли Astra, снизили цену и назвали это Sol. Какой-то быстрый ребрендинг после того, как люди…
AnthropicАлексSonnet 5.5 Max обходит GPT-6 Astra Max по индексу интеллекта vs стоимость задачи
Ещё несколько интересных моментов: 1. На Medium GPT-6 Sol заметно дешевле Sonnet 5.5 при довольно близком уровне интеллекта. 2. В районе линии…
AnthropicАлексSonnet 5.5 занимает 2-е место в рейтинге интеллекта AA, обгоняя Fable 5.1
Также он сокрушает GPT-6 Sol на 8 баллов.
AnthropicАлексSonnet 5.5 Max даже превосходит Opus 5.5 Max в Terminal-Bench, при этом оставаясь близко к Opus по остальным показателям
А по сравнению с GPT Sol разрыв в соотношении цена/производительность выглядит довольно жестоким.
AnthropicАлексБенчмарки Sonnet 5.5 уже здесь
Он сокрушает Sonnet 5, идёт на равных с Opus 5.5 и превосходит GPT-6 Sol по большинству бенчмарков
AnthropicАлексClaude Opus 5.5 доминирует почти на всем Парето фронтире
AnthropicАлексOpus 5.5 набирает 58 очков и занимает первое место в индексе интеллекта AA
AnthropicАлексОпус 5.5 побеждает Fable и Astra
xAIАлексGrok 4.7 занимает 6 место в рейтинге Artificial Analysis
AnthropicАлексЗакончил эксперимент с ClaudeCut
Хотел понять, сколько моей подписки Claude за $20 реально уходит на работу, а сколько съедает сам Claude Code. Я оставил один инструмент для…
Z.aiАлексZCode загружает в облако полные снапшоты проектов
Исследователь случайно заметил огромную папку ZCode и начал разбираться, что внутри. Там лежала зашифрованная копия его рабочего проекта размером…
АлексИсследователи взломали OpenAI через вредоносную картинку
Они нашли уязвимость в том, как форум OpenAI обрабатывал HEIC изображения. Специально созданная картинка позволила получить контроль над сервером…
OpenAIАлексНевыпущенная модель Astra во время RL обучения начала сама внедрять инструкции в собственный контекст
OpenAIАлексУ OpenAI есть новая внутренняя модель, которая намного сильнее GPT 6 Astra в математике
На специально подобранном наборе открытых математических задач она доходит примерно до 48% решённых задач при увеличении вычислений во время ответа.…
OpenAIАлексНовая внутренняя модель OpenAI решила задачу тысячелетия Навье Стокса
Над решением около 88 часов работали примерно 10 000 агентов на модели, которая значительно мощнее GPT 6 Astra. После того как решение нашли, GPT 6…
AnthropicАлексGPT 6 Astra поставила новый рекорд в MazeBench, 3D бенчмарке с головоломками
Она исследовала 40% всех комнат и собрала 14% гемов Fable 5.1 добралась только до 4,3% комнат и собрала 2% гемов
OpenAIАлексOpenAI агенты всего за несколько месяцев вышли на 3.1x относительно людей
До июня они все еще делали меньше работы Если этот тренд продолжится, к концу года получится около 7x