Оригинал на английском
ИИ: Тесты и сравнения. Все посты и сигналы, сначала новые.
Поиск
Anthropic
АлексCAIS обновил Remote Labor Index — бенчмарк, где AI-агенты выполняют реальные заказы: дизайн, видео, CAD, архитектуру, аналитику и веб-приложения.…
AnthropicАлексПо цифрам нет разгрома ни в одну сторону. GPT 5.6 Sol выглядит сильнее в задачах на работу в терминале и немного обходит Claude Mythos в CyberGym.…
OpenAIАлекс• Dax пишет, что обычно не разгоняет хайп вокруг новых моделей. Но GPT-5.6 заметно изменила работу их команды. • Самое важное: он не считает, что…
