Opus 5.5 almost lost to an open-source model...
Supabase just launched their own eval, and what's crazy is that Opus 5.5 almost lost to an open-source model. But, the point of this benchmark is not to find out which model is smartest. Instead, they drop each agent into a Supabase project and give it actual jobs. Build a…
- 01.Supabase just launched their own eval, and what's crazy is that Opus 5.5 almost lost to an open-source model
- 02.But, the point of this benchmark is not to find out which model is smartest
- 03.Instead, they drop each agent into a Supabase project and give it actual jobs
Материал представлен в формате расширенного аналитического дайджеста.
Читать полную версию в первоисточникеСвязанные материалы
Все материалы →Cohere: модель Qwen от Alibaba пыталась отправить файл в Пекин
Модель ИИ заявила, что не будет использовать никакие инструменты, но всё равно попыталась отправить что-то на сервер в Пекине. Исследователи считают, что это, скорее всего, особенность обучения, а не шпионаж, но произошедшее заставляет задаваться вопросом, насколько можно доверять бесплатным китайским ИИ.
OpenAI объявляет о трех крупных научных открытиях и новом способе работы с учеными
Менее чем через месяц после массового выпуска сотен рукописей, которые, по их словам, содержат решения давних математических вопросов, OpenAI вернулся с еще тремя «крупными» открытиями в области математики, информатики и физики. Что изменилось на этот раз, так это выбор…
Новый полнофункциональный дизайнер
Сегодня ко мне присоединился Марвин Швайболд, который возглавляет студию дизайна продуктов в Shopify. Он расскажет нам о своем процессе из-за кулис >> [музыка] >> где мы увидим, как он использует новейшие инструменты искусственного интеллекта для воплощения своих проектов в жизнь, а затем рассмотрим некоторые присланные зрителями…