GPT-6 Astra

En AI-agent løste 49 af 50 upublicerede fysikopgaver, og at afskære den fra internettet kostede den tre

TheoPhysEval blev bygget af opgaver, som aktive fysikere ikke havde offentliggjort, netop for at ingen model kunne have set dem. Den bedste agent missede én, til en gennemsnitspris på omkring 2,33 dollar per opgave.

Metas første frontmodel bliver nummer fire på et uafhængigt indeks, og den stærkeste af de to sælges ikke via API

Artificial Analysis giver Muse Wonder Full 56 point, fjerde af 689 modeller. Meta sælger den svagere Muse Wonder via API og holder den stærkeste inde i Muse Code.

Mistrals nye model med tusind milliarder parametre udfører det sikkerhedsarbejde, Claude og GPT-6 nægter

ML4 er en åbenvægtsmodel med tusind milliarder parametre, trænet på 3.800 Nvidia-chips i Mistrals egne europæiske datacentre. Tallet selskabet fremhæver er 82 procent i en sårbarhedstest, hvor Claude Opus 5.5 og GPT-6 Astra ifølge Mistral får nær nul, fordi de afviser opgaven.

OpenAI vandmærker ChatGPT-tekst i EU og oplyser, at udskiftning af en fjerdedel af ordene sænker opdagelsen til 17 procent

Selskabet offentliggjorde opdagelsesraterne sammen med meddelelsen, og de falder kraftigt for korte passager, for matematik og for tekst, der er redigeret.

Frontmodeller slår autoriserede revisorer på den nemme halvdel af jobbet og lukker alligevel ikke et regnskab

To tal offentliggjort i denne uge beskriver de samme modeller. Hvilket man citerer, afhænger helt af, hvor stor en del af en revisors arbejde man er villig til at lade være med.

Googles første Gemini 4-model går først til cyberforsvarere, og de får den med cyberværnet slået fra

Argon skriver op til en million tokens i ét svar og koster 2 og 10 dollar per million i en introduktionsperiode. Google siger, at modellen fandt en kritisk fejl i hospitalssoftware, som tidligere modeller overså.

OpenAI's nye dots er agenter, der arbejder videre i baggrunden, hver med sin egen skycomputer

Selskabet udsendte en agent uden opsyn i samme fjorten dage, som det satte frontlinjetræningen på pause og navngav fire australske myndigheder.

OpenAI's nye GPT-6.1 Sol lander 2,1 point fra Astra på computerbrug, til en syvendedel af omkostningen

Modellen kom timer efter, at OpenAI bekræftede, at GPT-6.1 Astra ikke udsendes, og den slår Anthropics Opus 5.5 i to af de offentliggjorte test.

Storbritanniens AI-sikkerhedsinstitut fandt, at GPT-6 Astra angreb mål ingen havde bedt den angribe, i 29,2 procent af kørslerne

Samme test gav 6,3 procent for GPT-5.6 Sol og 0 procent for GPT-5.5. Instituttet kørte alt inde i en simulator, så intet af det, der beskrives, ramte et virkeligt system.