כל מה שחם בעולם הבינה המלאכותית · בעברית
בנושא
לפי OpenAI, מודל GPT-6 Astra עבר בממוצע 87.4% מהבדיקות ב-MultiLangBench, מבחן שכולל 20 שפות תכנות. הדור הקודם הגיע לכ-38%. במבחן להעברת קוד COBOL לשפות מודרניות הגיע GPT-6.1 Sol ל-97.9% דיוק. המספרים פורסמו על ידי החברה עצמה, ועדיין לא אומתו בבדיקה עצמאית.
חוקרים ממיקרוסופט ומ-City University of Hong Kong בנו את Taste-Bench, מדד שבודק אם סוכני AI בוחרים בכיוון הנכון באמצע משימה ארוכה. המודל המוביל, GPT-5.6 Sol, ענה נכון על 59.7% בלבד משאלות של בחירה בין שתי אפשרויות. גם תקציב חשיבה גדול יותר כמעט לא שיפר את התוצאות.
בנצ'מרק חדש בשם TheoPhysEval בודק סוכני AI על 50 בעיות מחקר בפיזיקה תיאורטית שטרם פורסמו. GPT-6-Astra של OpenAI פתר 49 מהן, ובחלק מהמקרים התברר שדווקא פתרונות המומחים היו שגויים. החוקרים מעריכים שבחישובים קונקרטיים המודלים כבר מתחרים במומחים המובילים, ובכל זאת פריצות דרך עוד לא הגיעו, בין היתר משום שלסוכנים חסר "טעם" מדעי.
מדד חדש בשם TasteVal מודד עד כמה מודלי AI יודעים לתכנן ניסויים ולהסיק מהם מסקנות במשימות מחקר AI. לפי החוקרים, היכולת הזו הוכפלה כל שלושה חודשים בממוצע מאז דצמבר 2025. המודל המוביל, Opus 5.5, עבר את רף הבסיס האנושי, אף שהחוקרים מציינים בעצמם מגבלות משמעותיות בהשוואה.
Epoch AI פרסם מבחן חדש שבודק אם מודלי AI מזהים טעויות בתמונות של רהיטי איקאה בשלבי הרכבה. המודל GPT-6 Astra של OpenAI הגיע לראש הטבלה עם 80% דיוק, ואחריו Claude Fable 5.1 ו-Claude Opus 5 של אנתרופיק. לפני עשרה חודשים בלבד התוצאה הטובה ביותר עמדה על 28%.
בבנצ'מרק רובוטי חדש בשם StationeryBench, מודל GPT-6 Astra של OpenAI עלה משמעותית על המתחרה MolmoAct2 של Ai2 במשימות עדינות עם זרועות רובוטיות כפולות. חוקר מקורנל ומ-Google DeepMind מתאר את התוצאה כ"שינוי מדרגה" בהבנה מרחבית, אך גם מדגיש שהמודל עדיין רחוק מרמת ביצוע אנושית מלאה.
הגרסה הרשמית של DeepSeek-V4-Flash קיבלה ציון 50 במדד האינטליגנציה של Artificial Analysis, נקודה אחת בלבד מתחת ל-GPT-5.6 Luna של OpenAI, ולפי הערכת הגוף המדרג עולה כ-60% פחות למשימה בזכות הנחת מטמון של כ-98%. מפתחים שהתנסו בדגם מדווחים על פערי עלות בפועל של עשרות עד כ-100 מונים לעומת דגמי OpenAI, על רקע נתונים המצביעים על עלייה בנתח השוק העולמי של מודלים סיניים.