ბენჩმარკები

Google-ის Gemini 4 Pro სატესტო პლატფორმაზე შეცვლილი სახელით გამოჩნდა

მოდელი, რომელიც სავარაუდოდ Google-ის (Alphabet Inc. ) შემდეგი თაობის ფლაგმანი ხელოვნური ინტელექტი, Gemini 4 Pro-ა, Arena-ს სატესტო პლატფორმაზე "gemini-3.8-flash"-ის სახელით გამოჩნდა. ამის შესახებ ინფორმაცია 17 სექტემბერს გავრცელდა. მოდელი, რომელსაც შიდა კოდური სახელი Argon აქვს, Google-ს ოფიციალურად არ დაუანონსებია, თუმცა გაჟონილი…

ახალი ბენჩმარკი: კვანტური კომპიუტერები სამეცნიერო გამოყენებას 100 000-ჯერ ჩამორჩება

არსებული კვანტური კომპიუტერები ჯერ კიდევ დაახლოებით ხუთი რიგით ჩამორჩებიან გამოთვლით სიმძლავრეს, რაც აღიარებული სამეცნიერო ამოცანების გადასაჭრელად არის საჭირო, ნათქვამია arXiv-ის პრეპრინტების სერვერზე გამოქვეყნებულ ახალ ბენჩმარკინგის კვლევაში. აღმოჩენა, რომელიც Sandia National Laboratories-ის მკვლევრებს ეკუთვნით Quantinuum-ისა და NVIDIA-ს მონაწილეობით, წარადგენს სისტემას სახელწოდებით…

Anthropic-ის Claude მოდელებმა SWE-bench-ის კოდირების რეიტინგებში პირველი ადგილები დაიკავეს

2026 წლის სექტემბრის მდგომარეობით, Anthropic-ის Claude AI მოდელები SWE-bench-ის კოდირების რეიტინგის ყველა ძირითად ვერსიაში ლიდერობენ. Claude Opus 5-მა SWE-bench Verified-ზე 96%-ს მიაღწია, ხოლო Claude Fable 5.1-მა უფრო რთულ SWE-bench Pro-ზე 81.2% დააფიქსირა. ეს შედეგები ხაზს უსვამს Anthropic-ის მზარდ უპირატესობას AI-ზე…

GPT-6 Astra გამოვიდა, თუმცა დამოუკიდებელ ტესტებში Anthropic-ს ჩამორჩება

OpenAI-მ 3 სექტემბერს დაიწყო GPT-6 Astra-ს გავრცელება და მას უწოდა "მსოფლიოში ყველაზე ინტელექტუალური და გაწონასწორებული მოდელი", რომელსაც შეუძლია ვებ-სერფინგი, კოდირება, კიბერუსაფრთხოება და სამეცნიერო მსჯელობა. თუმცა, რამდენიმე დღის შემდეგ გამოქვეყნებულმა დამოუკიდებელმა შეფასებებმა Artificial Analysis-ისგან Astra მეორე ადგილზე დააყენა კომპანიის Intelligence Index-ში,…