יום שני, 16 בנובמבר 2026 מתעדכן אוטומטית כל שעה

בנושא

מבחני ביצועים

מודלים וכלים

מודל של גוגל השתווה לבני אדם במבחן הבנה מרחבית, אבל מדובר במבחן אחד בלבד

במבחן Blueprint-Bench 2 של Andon Labs, מודלים צריכים לשרטט תוכנית קומה של דירה מתוך תמונות. Gemini 4 Carbon של גוגל קיבל 0.586, ציון זהה לזה של קבוצת הביקורת האנושית. התוצאה מראה שיפור מהיר ביכולת המרחבית של מודלי AI, אבל היא מבוססת על מבחן אחד מגוף אחד, והציון האנושי נמדד רק על חלק מהדירות.

מודלים וכלים

Inception מציגה את Mercury 3: מודל שפה מבוסס דיפוזיה שמגיע ל-1,068 טוקנים בשנייה, לפי נתוני החברה

חברת Inception השיקה את Mercury 3, מודל שפה מבוסס דיפוזיה. לדברי החברה הוא מייצר 1,068 טוקנים בשנייה ותומך בחלון הקשר של מיליון טוקנים. החברה גם טוענת שהמודל עוקף את GPT-6 Luna ואת Claude Haiku 5.5 ב-8 מתוך 12 מבחני ביצועים, אבל הנתונים לקוחים מטבלה שפרסמה Inception עצמה ולא נבדקו באופן עצמאי.

מודלים וכלים

Gemini 4 Argon ב-ARC-AGI: ‏97.5% עם מתאם הרצה ייעודי, 49.8% בהרצה הסטנדרטית

פוסט שמצטט ציונים מאומתים של Gemini 4 Argon במבחני ARC-AGI מציג 97.5% ב-ARC-AGI-3, אבל רק כשהמודל רץ עם מתאם הרצה ייעודי לספקית. בהרצה הסטנדרטית הציון יורד ל-49.8%. הפער בין שתי ההרצות משתלב בביקורת שכבר נשמעה על האופן הסלקטיבי שבו גוגל מציגה את תוצאות המודל.

מודלים וכלים

גוגל משיקה את Gemini 4 עם תוצאות מרשימות במבחני ביצועים, אבל בתוך החברה יש ספקנות לגבי יכולות התכנות שלו

גוגל החלה להפיץ את Gemini 4 Argon, מודל הדגל החדש שלה, ומציגה תוצאות מובילות בכמה מבחני ביצועים. לפי Bloomberg, בתוך החברה יש ספקנות לגבי הביצועים של המודל בתחומים מרכזיים, ובראשם תכנות.

מודלים וכלים

Exa משיקה את Agent Ultra: נחיל סוכנים שמשווה את עצמו ל-Opus 5.5 ול-GPT-6 במשימות מחקר

Exa השיקה את Agent Ultra, מצב העבודה המעמיק ביותר ב-Exa Agent API. הכלי מתאם צוות של סוכני משנה שסורקים אלפי מקורות כדי לבנות רשימות ולהעשיר נתונים על ישויות. לפי החברה, הוא עקף את Opus 5.5, את GPT-6 Astra ואת Perplexity Agent בארבעה מבחנים.