blog Simon Willison · há 1 h · agents

Opus 4.8 da Anthropic lidera gastos com modelos enquanto ferramentas mais baratas ganham participação

Traduzido do English → Português (BR)

Um relatório do Financial Times indica que o modelo mais antigo Opus 4.8 da Anthropic capturou a maior parte dos gastos de faturamento em julho, enquanto seus modelos mais novos e caros tiveram dificuldade em atrair usuários em comparação com alternativas mais baratas.

A receita anualizada da Anthropic para julho atingiu US$ 65 bilhões, alta em relação aos US$ 47 bilhões de maio, com expectativas de lucratividade no Q3 e 6.000 clientes gastando US$ 100.000 anuais ou mais.
A receita anualizada da OpenAI saltou 35% para mais de US$ 40 bilhões, impulsionada pelo lançamento do GPT 5.6 em julho.
Dados do índice Ramp AI para julho mostram Opus 4.8 com 28,0% de participação nos gastos, seguido por Sonnet 4.6 (8,3%) e Fable 5 (8,0%), enquanto o recém-lançado Opus 5 deteve apenas 3,5%.

Os dados sugerem que a adoção sensível ao custo está direcionando o uso para modelos estabelecidos ou mais baratos, mesmo com o lançamento de novos modelos principais no mercado.

Importância 2/3 Simon Willison Anthropic OpenAI Benchmark results

Ler original

RAG clínico VITA iguala ou supera LLMs de ponta no HealthBench

Um sistema de geração aumentada por recuperação projetado especificamente chamado VITA, destinado a contextos de baixa e média renda, foi avaliado em comparação com modelos de linguagem grandes de propósito geral no benchmark HealthBench. O estudo demonstra que o design específico do corpus pode manter um desempenho competitivo mesmo à medida que novos modelos de ponta são lançados.

arxiv arXiv cs.CL · há 11 d · 21 visualizações

VITA RAG específico do corpus iguala ou supera LLMs de ponta no HealthBench

O VITA, um sistema de geração aumentada por recuperação projetado para contextos de baixa e média renda, ocupa o primeiro lugar no subconjunto em inglês do HealthBench, superando GPT-5.4, o4-mini, Gemini 3.1 Pro e Claude Sonnet 4.6.

media MarkTechPost · há 37 d · 27 visualizações

Mistral Vibe for Code lidera quatro agentes de codificação na tarefa de scaffold para PR

Uma comparação de capacidades do Mistral Vibe for Code, Claude Code, OpenAI Codex e Cursor avaliou seu desempenho em um fluxo de trabalho multiestágio envolvendo scaffolding, testes e geração de pull request. As pontuações foram derivadas de recursos documentados, benchmarks publicados e especificações dos fornecedores até 14 de julho de 2026.

media Latent Space · há 41 d · 26 visualizações

OpenAI Codex atinge 7M de usuários, aumento >10x em 6 meses

O produto Codex da OpenAI atingiu 7 milhões de usuários, representando um aumento de mais de 10 vezes em relação aos aproximadamente 550k-700k usuários no início do ano. Esse rápido crescimento coincide com o lançamento do GPT-5.6 Sol em 9 de julho e atualizações recentes de infraestrutura para gerenciar o uso.

arxiv arXiv cs.CL · há 47 d · 27 visualizações

RuBench 1.0 introduz benchmark de codificação agêntica em nível de repositório em russo

Os autores apresentam o RuBench 1.0, um benchmark de 25 tarefas extraídas de commits recentes de correção em cinco repositórios open-source ativos (aiohttp, aiogram, Laravel, NestJS, Fastify). Cada tarefa é especificada nativamente em russo e julgada por testes de regressão de mantenedores upstream retidos para o lançamento.