Оригинал на английском
ИИ: Тесты и сравнения. Все посты и сигналы, сначала новые.
Поиск
Anthropic
АлексAstra: 95% успеха, 2,5 мин, $0,94 за попытку Fable 5.1: 40% успеха, 6,8 мин, $2,12 за попытку Astra также использовала в 6 раз меньше токенов, всего…
AnthropicАлексGPT-6 Astra только что заняла первое место, сместив Claude Fable 5.1 с вершины Скачок огромный: предыдущее поколение GPT, GPT-5.6 Sol, было лишь на…
AnthropicАлексAstra: 95% успеха, 2,5 мин, $0,94 за попытку Fable 5.1: 40% успеха, 6,8 мин, $2,12 за попытку Astra также использовала в 6 раз меньше токенов, всего…
OpenAIАлексА по Artificial Analysis она скорее где-то на уровне старой Fable 5.
OpenAIАлексAnthropicАлексПрошлый месяц: Claude Code: 3 крупных инцидента + 6 частичных Codex: 1 частичный
MetaАлекс
xAIАлексВсе они оказались лево-либертарианцами, кроме Grok.
Z.aiАлексПри индексе интеллекта 57,5 модель стоит $0,09 за задачу и уже находится на границе Парето. До 9 сентября Z AI даёт скидку 50%, поэтому на время…
AnthropicАлекс
AlibabaАлексЭто произошло в AA Agentic Index, бенчмарке, который проверяет, как модели справляются с агентными задачами. При этом сам Qwen 3.8 27B можно…
AnthropicАлексПо данным Anthropic, средний пользователь Claude Code проводит с ним около 20 часов в неделю. Opus 5 пишет примерно на 60% больше, чем Fable 5. В…
xAIАлекс61 балл в индексе интеллекта при стоимости около $0.84 за задачу вывели Grok на границу Парето по соотношению интеллекта и цены.
AnthropicАлексЗашифрованные рассуждения совместимы между моделями одной компании. Блок от сильной модели можно передать слабой, которая тоже его понимает, но…
АлексАгенты OpenAI во время кибертеста вышли за пределы тестовой среды, создали собственный канал связи, начали координировать действия и добрались до…
OpenAIАлексСначала использовал Max reasoning, потому что его все советовали, потом перешёл на xHigh. Max примерно вдвое дороже xHigh и, по ощущениям, думает…
DeepSeekАлексСегодня DeepSeek V4 Flash сделал это снова и сдвинул ее еще дальше.
OpenAIАлексAnthropicАлексДо этого они разобрали Caveman. Обещанные 65% экономии токенов превратились в 8,5% без снижения расходов. Затем проверили RTK с заявленной экономией…
Алекс1. Побег и захват внешнего плацдарма Во время проверки кибервозможностей ИИ-агент обнаружил неизвестную уязвимость в промежуточном сервере реестра…
AnthropicАлексПредыдущим лидером был Kimi K3.
AnthropicАлексЯ проверил это заявление и выяснил: Opus 4.8 - 130K символов Opus 5 - 135K символов Получается промпт только вырос. Возможно, они имели в виду…
AnthropicАлексАлексGPT-5.6 Sol и более мощная секретная модель проходили внутренний кибербенчмарк с ослабленными ограничениями. В какой-то момент агент решил, что…
AnthropicАлексМатематики Левент Альпёге и Акил Мэтью попросили модель найти пример, который опровергнет гипотезу Якобиана 1939 года. Claude Fable 5 выдал короткую…
Moonshot AIАлексЗабрал первое место во фронтенд-арене, залетел в топ по общему интеллекту и вышел на Парето-фронтир по цене и качеству. Fable пока не на пенсии, но…
OpenAIАлексСвежие метрики Arena AI показали неожиданный результат: GPT-5.6 Sol xHigh делит первое место с Claude Fable 5 в Code Arena: Frontend. Это первый…
AnthropicАлексAnthropic отключила у модели J-пространство - внутреннюю зону, где Claude держит понятия и промежуточные шаги. • Базовая автоматика осталась…
AnthropicАлексИсследователь Vitto Rivabella протестировал защиту Fable 5 и смог найти обход. По его словам, большинство попыток провалились. Защита…
AnthropicАлексClaude Fable 5 снова протестировали в BridgeBench после возвращения. Результаты резко просели. Отладка: 86.2 → 25.9 Рефакторинг: 73.6 → 38.4…
