բենչմարկներ

Google-ի Gemini 4 Pro-ն հայտնվել է թեստային հարթակում կեղծանունով

Մի մոդել, որը կասկածվում է Google-ի (Alphabet Inc. ) հաջորդ սերնդի առաջատար արհեստական բանականության՝ Gemini 4 Pro-ի մեջ, հայտնվել է Arena բենչմարկինգային հարթակում "gemini-3.8-flash" անվամբ, ըստ սեպտեմբերի 17-ին շրջանառվող հաղորդումների: Մոդելը, որը կրում է Argon ներքին ծածկանունը, պաշտոնապես չի հայտարարվել…

Նոր հետազոտություն. քվանտային համակարգիչները 100,000 անգամ հետ են մնում գիտական պահանջներից

Ներկայիս քվանտային համակարգիչները մոտ հինգ կարգով զիջում են ընդունված գիտական խնդիրների լուծման համար անհրաժեշտ հաշվողական կարողություններին, ասվում է arXiv նախատպագրական սերվերում հրապարակված նոր հետազոտության մեջ: Sandia National Laboratories-ի հետազոտողների եզրահանգումը, Quantinuum-ի և NVIDIA-ի մասնակցությամբ, ներկայացնում է QUOPS (Quantum Universal Operations…

Anthropic-ի Claude մոդելները գլխավորում են SWE-bench կոդավորման վարկանիշային աղյուսակները

2026 թվականի սեպտեմբերի դրությամբ Anthropic-ի Claude AI մոդելները գլխավորում են SWE-bench կոդավորման վարկանիշային աղյուսակի բոլոր հիմնական տարբերակները. Claude Opus 5-ը SWE-bench Verified-ում հասել է 96%-ի, իսկ Claude Fable 5.1-ը ավելի պահանջկոտ SWE-bench Pro-ում վաստակել է 81.2%: Արդյունքներն ընդգծում են Anthropic-ի…

GPT-6 Astra-ն թողարկվել է, սակայն անկախ թեստերում զիջում է Anthropic-ին

OpenAI-ը սեպտեմբերի 3-ին սկսեց GPT-6 Astra-ի թողարկումը՝ այն անվանելով «աշխարհի ամենախելացի և համաձայնեցված մոդելը», որն ունի հնարավորություններ՝ սկսած վեբ որոնումից և ծրագրավորումից մինչև կիբերանվտանգություն և գիտական վերլուծություն։ Սակայն օրեր անց հրապարակված անկախ թեստերը Astra-ին դասել են երկրորդ տեղում՝ Anthropic-ի Claude…