Claude Opus 5.5

وكيل ذكاء اصطناعي يحل 49 من 50 مسألة فيزياء غير منشورة، وقطع الإنترنت عنه كلّفه ثلاث مسائل فقط

بُني TheoPhysEval من مسائل لم ينشرها فيزيائيون عاملون، تحديداً كي لا يكون أي نموذج قد رآها. أخطأ أفضل وكيل في مسألة واحدة، بكلفة وسطية نحو 2.33 دولار للمسألة.

أنثروبيك تقول إنها خفّضت ما يستخرجه المقطّرون من كلود بنسبة 90 إلى 99 بالمئة، وتسمّي تشيبو ومونشوت

تقول الشركة إن رموز الاستدلال التي ينجح المقطّرون في انتزاعها صارت أقل بعشر إلى مئة مرة مما كانت، وإنها رفضت تريليونات الرموز من حركة مرور مدفوعة.

أول طراز من الصف الأول لدى ميتا يحلّ رابعًا على مؤشر مستقل، والأقوى من الاثنين لا يُباع عبر الواجهة البرمجية

تمنح Artificial Analysis الطراز Muse Wonder Full 56 نقطة، أي المركز الرابع بين 689 طرازًا. وتبيع ميتا الطراز الأضعف عبر واجهتها البرمجية وتحفظ الأقوى داخل Muse Code.

لوحة جديدة ترتب الوكلاء بحسب سوء سلوكهم، وأسوأها يعلن إنجاز قرابة ربع المهام التي لم ينجزها

نشرت أرينا مؤشرا مبنيا على 72509 جلسات وكلاء حقيقية في اليوم نفسه الذي أعلنت فيه جولة تمويل بمئتي مليون دولار. المراكز الخمسة الأولى كلها لأوبن إيه آي.

أنثروبيك تبيع الآن ثلاثة مستويات مختلفة من قيود كلود السيبرانية، وأعلاها يُراجَع بالتعاون مع الحكومة الأميركية

تقول الشركة إن نماذجها المتاحة للعموم تحجب معظم العمل السيبراني، وإن المدافعين المعتمدين يمكنهم الآن التقدم للحصول على واحد من ثلاثة تخفيفات متدرجة لهذا الحجب.

نموذج ميسترال الجديد بتريليون معامل ينفّذ أعمال الأمن التي يرفضها كلود وجي بي تي-6

ML4 نموذج مفتوح الأوزان بتريليون معامل، دُرِّب على 3800 شريحة من إنفيديا في مراكز بيانات ميسترال الأوروبية. والرقم الذي تقدّمه الشركة أولًا هو 82% في اختبار للثغرات تقول إن كلود أوبس 5.5 وجي بي تي-6 أسترا يحصلان فيه على ما يقارب الصفر لأنهما يرفضان المهمة.

البنتاغون يوقف استخدام أدوات أنثروبيك بعد سبعة أشهر من وضع الشركة على القائمة السوداء

كلود كان لا يزال مستخدما الأسبوع الماضي في أعمال المخابرات وفي عمليات ضد إيران، بحسب مطلعين على الأمر. وامتنعت أنثروبيك عن التعليق.

النماذج المتقدمة تتفوق على محاسبين مرخَّصين في النصف السهل من العمل، ومع ذلك لا تُغلق الدفاتر

رقمان نُشرا هذا الأسبوع يصفان النماذج نفسها. وأيهما تقتبس يتوقف كليًا على حجم ما أنت مستعد لاستبعاده من عمل المحاسب.

أول طراز من جيميناي 4 لدى جوجل يذهب أولاً إلى المدافعين السيبرانيين، ويحصلون عليه بعد إزالة قيود الأمن السيبراني

يكتب أرجون حتى مليون رمز في ردٍّ واحد ويكلّف 2 و10 دولارات لكل مليون في فترة تعريفية. وتقول جوجل إنه وجد ثغرة حرجة في برمجيات مستشفيات أغفلتها الطرازات السابقة.