64 artykuły z tym tagiem
Anthropic wydał Claude Sonnet 5.5 – szybszy o 30%, tańszy o 30% i niemal równy Opus 5.5 na kluczowych benchmarkach programistycznych.
H Company wypuściła Holo4 – modele agentowe łączące GUI, kod, MCP i API, konkurencyjne z frontierem przy niższym koszcie.
Nowy benchmark Epoch AI pokazuje, że GPT-6 Astra rozpoznaje błędy montażu mebli IKEA z 80% dokładnością wobec 28% jeszcze 10 miesięcy temu.
Badanie arXiv pokazuje, że agenty prognostyczne AI nie zawsze powinny „rozumować” – wybór mechanizmu zależy od źródła danych i wymaga inteligentnego routingu.
Grok 4.7 od xAI kosztuje mniej niż konkurenci, ale benchmarki pokazują wyraźny dystans do Claude Fable 5.1 i GPT-6, zwłaszcza w kodowaniu.
Qwen3.8-Omni-Flash od Alibaba dorównuje Gemini 3.8 Flash w zadaniach audio-wideo, kosztując wielokrotnie mniej za tokeny API.
GPT-6 Astra pokonał Pokemon FireRed w 18 godzin i Fallout 3 w 59, ale eksplozja Creepera w Minecrafcie zniszczyła jego dobytek.
Metoda converge-then-diversify (CTD) dzieli optymalizację bayesowską na etapy i przewyższa dotychczasowe metody w 72,9% testów.
IBM Research pokazuje, że agent AI skuteczny średnio w 77% zadań może zawodzić przy powtórzeniu tego samego zadania – i jak ALTK-Evolve to naprawia.
AllSpark udostępnił Iris-mini i Iris-pro — agenty wyszukiwania AI z otwartymi wagami, które biją konkurencję na BrowseComp i innych benchmarkach.
GPT-6 Astra pobiła Claude Fable 5.1 w testach Vending-Bench i jako pierwszy model wygrała wszystkie zadania Drone-Bench Andon Labs.
Nowy algorytm PFS redukuje liczbę ekspansji węzłów o ok. 90% w N-Puzzle i TSP, przyspieszając wyszukiwanie rozwiązań o ograniczonej suboptymalności.
