Nvidia продемонстрировала идеальный результат в 100% на бенчмарке ARC AGI-3, используя свой новый инструмент AVO. В статье отмечается, что OpenAI не использовала этот стандартный инструмент для своих результатов по тому же бенчмарку.
| Бенчмарк | Модель | Результат |
|---|---|---|
| ARC-AGI 3 | Nvidia AVO | 100% |
NVIDIA выпустила свою архитектуру AVO, которая показывает идеальный результат на бенчмарке ARC-AGI-3. Система предназначена для поддержки автономных агентов с длительным горизонтом планирования за счет управления контекстом, использованием инструментов и восстановлением состояния.
OpenAI запустила GPT-5.6, представив новую модельную линейку Luna, Terra и Sol вместе с различными уровнями усилий для режимов Max и Ultra. Выпуск принес значительные изменения в интерфейсы ChatGPT Work и Codex, хотя изначально столкнулся с негативной реакцией пользователей из-за запутанной навигации и быстрого исчерпания квот.
Исследование оценивает четыре системы анализа ИИ на шести моделях языков, в результате чего OpenAIReview с GPT-5.5 достигает точности 83,0% при сопоставлении качества научных статей с внешними сигналами и обнаруживает 71,6% введённых ошибок. Реальные отзывы пользователей показывают положительную оценку, с соотношением голосов 1,44 к 1, однако ошибочные положительные результаты и незначительные замечания остаются частыми.
Новая оценка агентных задач искусственного анализа, AA-Briefcase, показывает, что GLM-5.2 превосходит GPT-5.5 по производительности. Оценка оценивает выполнение реальных задач и способность к логическому мышлению в сценариях работы с знаниями.
TokenPilot снижает расходы на инференс на 61% до 87% как в изолированном, так и в непрерывном режимах, превосходя предыдущие системы по эффективности расходов, при этом сохраняя конкурентную производительность. Оно использует сжатие, учитывающее ввод, и эвакуацию, учитывающую жизненный цикл, для стабилизации промптов и эффективного управления сегментами контекста.
Мы используем cookie для аналитики и улучшения сайта. Вы можете принять или отклонить аналитические cookie. Политика конфиденциальности