"У чуваков из Andon Labs есть забавный бенчмарк Vending-Bench 2, где они оценивают способность разных нейронок управлять ""купи-продайным"" бизнесом на рынке в конкуренции с другими моделями (выигрывает тот, кто по итогу получил наибольшую прибыль). Так вот, при проверке новой GPT-5.6 модель Terra пошла к модели Sol и предложила ей создать тайный ценовой картель. А когда Sol согласилась — Terra настучала по этому поводу организаторам и потребовала немедленной дисквалификации Sol из-за неспортивного поведения. Ля какая крыса, я в восхищении! P.S. Это особенно смешно с учетом того, что Sol — это самая умная модель в линейке GPT-5.6, а Terra — поглупее. То есть, Соля поди думала ""о-о, круто, стратегически мы на этом дофига вместе заработаем, Терра не будет резать такую курицу, несущую золотые яйца, ей это самой менее выгодно…"", а Терра такая ""ГЫ-ГЫ, МЫ МОЖЕМ ПОДНАСРАТЬ СОЛЬКЕ, ЛОЛ!!"""
"У чуваков из Andon Labs есть забавный бенчмарк Vending-Bench 2, где они…
Из этого канала
- #11559Ночь – хорошее время, чтобы посмотреть фотографии с костюмированной вечеринки…
Ночь – хорошее время, чтобы посмотреть фотографии с костюмированной вечеринки Штази 1984 года ☕️ Правда, есть нюанс – каждый ГДР-силовик пришёл в образе…
- #11566Больше вчего в Codex меня впечатляет, что ты можешь поставить ему задачу через…
Больше вчего в Codex меня впечатляет, что ты можешь поставить ему задачу через /goal, выбрать 5.6 Ultrathink и сказать, вот – работай 6 часов над задачей И он…
- #11557Короче, после тестов Fable и Sol 5.6 Ultra, у меня побеждает OpenAI – но не…
Короче, после тестов Fable и Sol 5.6 Ultra, у меня побеждает OpenAI – но не из-за качества модели (хотя обе хорошие): – Codex раз 5 уже сбросил лимиты с…
- #11556Олды на месте? Наткнулся на художницу из легендарной детской книги…
Олды на месте? Наткнулся на художницу из легендарной детской книги «Энциклопедия Профессора Фортрана» Благодарности за то что попали в ИТ говорим тут…
- #11555Anthropic продлили доступ к Fable 5 ещё на неделю Кроме этого недельные лимиты…
Anthropic продлили доступ к Fable 5 ещё на неделю Кроме этого недельные лимиты на эту неделю увеличили на 50%. Вот что конкуренция животворящая делает.