blog Simon Willison · 1 jam lalu · agents

Opus 4.8 milik Anthropic memimpin pengeluaran model saat alat yang lebih murah merebut pangsa pasar

Diterjemahkan dari English → Bahasa Indonesia

Laporan Financial Times menunjukkan bahwa model Opus 4.8 yang lebih lama dari Anthropic menangkap pangsa terbesar dari pengeluaran tagihan pada bulan Juli, sementara model-model barunya yang lebih mahal kesulitan menarik pengguna dibandingkan alternatif yang lebih murah.

Pendapatan tahunan yang diannualisasi Anthropic untuk Juli mencapai $65bn, naik dari $47bn pada Mei, dengan ekspektasi profitabilitas Q3 dan 6.000 pelanggan yang mengeluarkan $100.000 per tahun atau lebih.
Pendapatan tahunan yang diannualisasi OpenAI melonjak 35% menjadi lebih dari $40bn, didorong oleh peluncuran GPT 5.6 pada Juli.
Data indeks Ramp AI untuk Juli menunjukkan Opus 4.8 memiliki pangsa pengeluaran sebesar 28.0%, diikuti oleh Sonnet 4.6 (8.3%) dan Fable 5 (8.0%), sementara Opus 5 yang baru dirilis hanya memegang 3.5%.

Data tersebut menunjukkan bahwa adopsi yang sensitif terhadap biaya mendorong penggunaan menuju model yang sudah mapan atau lebih murah, meskipun rilis flagship baru mulai memasuki pasar.

Kepentingan 2/3 Simon Willison Anthropic OpenAI Benchmark results

Baca aslinya

RAG klinis VITA menyamai atau mengungguli LLM terdepan pada HealthBench

Sebuah sistem retrieval-augmented generation yang dirancang khusus bernama VITA, yang ditujukan untuk negara berpenghasilan rendah dan menengah, dievaluasi terhadap model bahasa besar umum pada benchmark HealthBench. Studi ini menunjukkan bahwa desain yang spesifik terhadap korpus dapat mempertahankan kinerja kompetitif meskipun model terdepan baru terus dirilis.

arxiv arXiv cs.CL · 11 hari lalu · 21 tayangan

VITA RAG khusus korpus cocok atau mengungguli LLM mutakhir di HealthBench

VITA, sistem generasi yang diperkaya dengan pengambilan informasi yang dirancang untuk konteks berpenghasilan rendah dan menengah, menempati peringkat pertama pada subset berbahasa Inggris dari HealthBench, mengungguli GPT-5.4, o4-mini, Gemini 3.1 Pro, dan Claude Sonnet 4.6.

media MarkTechPost · 37 hari lalu · 27 tayangan

Mistral Vibe for Code memimpin empat agen pemrograman dalam tugas scaffold-ke-PR

Perbandingan kemampuan Mistral Vibe for Code, Claude Code, OpenAI Codex, dan Cursor mengevaluasi kinerja mereka pada alur kerja multi-tahap yang melibatkan scaffolding, pengujian, dan pembuatan pull request. Skor diperoleh dari fitur yang didokumentasikan, benchmark yang dipublikasikan, dan spesifikasi vendor per 14 Juli 2026.

media Latent Space · 41 hari lalu · 26 tayangan

Pengguna OpenAI Codex mencapai 7 juta, naik >10x dalam 6 bulan

Produk Codex dari OpenAI telah mencapai 7 juta pengguna, mewakili peningkatan lebih dari 10x dari sekitar 550k-700k pengguna pada awal tahun. Pertumbuhan cepat ini bertepatan dengan peluncuran GPT-5.6 Sol pada 9 Juli dan pembaruan infrastruktur terbaru untuk mengelola penggunaan.

arxiv arXiv cs.CL · 47 hari lalu · 27 tayangan

RuBench 1.0 memperkenalkan benchmark pemrograman agentic tingkat repositori berbahasa Rusia

Para penulis memperkenalkan RuBench 1.0, sebuah benchmark yang terdiri dari 25 tugas yang diambil dari commit perbaikan terbaru di lima repositori open-source aktif (aiohttp, aiogram, Laravel, NestJS, Fastify). Setiap tugas ditentukan secara asli dalam bahasa Rusia dan dinilai oleh tes regresi pemelihara upstream yang tidak dipublikasikan saat rilis.