כל מה שחם בעולם הבינה המלאכותית · בעברית
בנושא
אנתרופיק השיקה את Claude Sonnet 5.5 באותו מחיר לטוקן כמו קודמו, וטוענת שהמודל החדש מבצע משימות בעלות נמוכה בעד 30%. לפי מדידה עצמאית של Artificial Analysis, ברמת המאמץ המקסימלית משימה עולה יותר מאשר ב-Sonnet 5 ואפילו יותר מאשר ב-Opus 5.5. משתמשים כבר בודקים אם מודלים מתחרים, כולל מודלים פתוחים, נותנים יותר תמורה לדולר.
לפי ארגון המחקר Epoch AI, העלות להגיע לציון קבוע במבחני AI יורדת בכ-47% בכל רבעון, כלומר פי 13 בערך בשנה. חוקרים מ-MIT מעריכים שהשיפור האלגוריתמי עצמו קטן בהרבה, בערך פי 3 בשנה. בינתיים, הפעלת מודלי ה-reasoning המתקדמים ביותר עולה לפעמים יותר, ולא פחות.
לפי OpenAI, המודל החדש שלה GPT-6 Astra השיג 64.6% בבנצ'מרק Terminal-Bench Science 0.1. באותו מבחן השיג Claude Fable 5.1 של אנתרופיק 52.6%, יותר מכפול מהציון של הדור הקודם. במקביל מופצת ברשת טענה ששני המודלים קיבלו ציון מושלם במבחן ה-IQ של Mensa Norway, אבל עד עכשיו לא נמצא לה מקור שמאמת אותה.
OpenAI השיקה את GPT-6 Sol ו-GPT-6 Luna במחיר נמוך ב-50% מהדור הקודם, והיא מציגה אותם כחלופה זולה לדגמים של אנתרופיק. לפי הנתונים ש-OpenAI עצמה פרסמה, המודלים החדשים מתקרבים לציונים של Claude בעלות נמוכה בהרבה. עם זאת, Claude Opus 5 עדיין משיג את הציונים הגבוהים ביותר במבחני התכנות.
טרנס טאו, מהמתמטיקאים הבולטים בעולם, פרסם שרשור ב-Mastodon ובו הוא מזהיר כי מרוץ מעבדות ה-AI אחר שיפור מדדים מתמטיים מתחיל לפגוע בתחום. הטריגר: תוצאה חדשה בבעיית הפערים בין ראשוניים, שבעקבותיה כמה מעבדות AI מיהרו לפרסם שיפורים משלהן — לדבריו, תוך התעלמות ממה שבאמת חשוב במחקר מתמטי.
OpenAI השיקה את GPT-6 Astra וכינתה אותו תחילת "עידן ה-AGI", אך ההשקה נתקלה בבעיות גישה שהותירו מנויים משלמים ממתינים ובביקורת בטיחות סביב שקיפות מופחתת בשרשרת המחשבה של המודל, רק שבועות אחרי פריצת אבטחה ל-Hugging Face. תוצאות בנצ'מרק סותרות מציבות את Astra בראש מבחן אחד ושקול לקודמו במבחן אחר, עם קפיצה בולטת דווקא במבחן ARC-AGI-3.
משתמש ב-Reddit הריץ את המודל Ox Alpha על תת-קבוצה של 50 משימות מתוך בנצ'מרק SWE-bench Verified, וקיבל שיעור פתרון של 96%, העולה על ציון Fable 5 של Anthropic. עם זאת, מפרסם הבדיקה עצמו הביע ספקנות כלפי התוצאה שלו, וזו בדיקה בודדת ולא בהכרח מאומתת באופן עצמאי ומלא.