benchmarks

Model Gemini 4 Pro od Googlu se objevil v testech pod falešným jménem

Model, u kterého existuje podezření, že jde o příští vlajkovou loď umělé inteligence společnosti Alphabet Inc., Gemini 4 Pro, se objevil na srovnávací platformě Arena pod názvem "gemini-3.8-flash". Podle zpráv vývojářů, které se začaly šířit 17. září, model nese interní…

Nový benchmark: Kvantovým počítačům chybí k vědeckému využití 100 000krát vyšší výkon

Současné kvantové počítače zaostávají za výpočetní kapacitou potřebnou k řešení uznávaných vědeckých problémů přibližně o pět řádů, vyplývá z nové srovnávací studie zveřejněné na preprintovém serveru arXiv. Zjištění vědců ze Sandia National Laboratories s příspěvky společností Quantinuum a NVIDIA představuje…

Modely Claude od Anthropic ovládly žebříčky programování SWE-bench

Modely umělé inteligence Claude od společnosti Anthropic drží k září 2026 první příčky ve všech hlavních variantách programovacího benchmarku SWE-bench, přičemž Claude Opus 5 dosáhl 96 % v testu SWE-bench Verified a Claude Fable 5.1 získal 81,2 % v náročnějším…

GPT-6 Astra přichází, v nezávislých testech ale zaostává za Anthropic

Společnost OpenAI začala 3. září zavádět GPT-6 Astra a označila jej za „nejinteligentnější a nejvíce sladěný model na světě“ s funkcemi zahrnujícími prohlížení webu, programování, kybernetickou bezpečnost a vědecké uvažování. Nezávislá hodnocení zveřejněná o několik dní později společností Artificial Analysis…