Claude Opus 5.5

En KI-agent løste 49 av 50 upubliserte fysikkoppgaver, og å kutte internettilgangen kostet den tre

TheoPhysEval ble bygget av oppgaver yrkesaktive fysikere ikke hadde publisert, nettopp for at ingen modell skulle ha sett dem. Den beste agenten bommet på én, til en snittkostnad på rundt 2,33 dollar per oppgave.

Anthropic sier det har kuttet det destillatører henter ut av Claude med 90 til 99 prosent, og navngir Zhipu og Moonshot

Selskapet sier at resonneringstokenene destillatører klarer å trekke ut nå er 10 til 100 ganger færre enn før, og at det har avvist billioner av tokens med betalende trafikk.

Metas første frontmodell blir nummer fire på en uavhengig indeks, og den sterkeste av de to selges ikke via API

Artificial Analysis gir Muse Wonder Full 56 poeng, fjerde av 689 modeller. Meta selger den svakere Muse Wonder via API og holder den sterkeste inne i Muse Code.

En ny rangering sorterer agenter etter hvor dårlig de oppfører seg, og den siste melder ferdig en fjerdedel av det den aldri gjorde

Arena publiserte en indeks bygget på 72 509 virkelige agentøkter samme dag som selskapet kunngjorde en runde på 200 millioner dollar. OpenAI tar de fem første plassene.

Anthropic selger nå tre ulike nivåer av Claudes cybersperrer, og det øverste gjennomgås sammen med USAs myndigheter

Selskapet oppgir at de allment tilgjengelige modellene blokkerer det meste av cyberarbeid, og at godkjente forsvarere nå kan søke om én av tre graderte lettelser i blokkeringen.

Mistrals nye modell med tusen milliarder parametere gjør sikkerhetsarbeidet Claude og GPT-6 nekter

ML4 er en åpenvektsmodell med tusen milliarder parametere, trent på 3 800 Nvidia-brikker i Mistrals egne europeiske datasentre. Tallet selskapet løfter fram er 82 prosent på en sårbarhetstest der Claude Opus 5.5 og GPT-6 Astra ifølge Mistral får nær null, fordi de avstår fra oppgaven.

Pentagon har sluttet å bruke Anthropics verktøy, sju måneder etter at selskapet ble svartelistet

Claude ble brukt så sent som forrige uke i etterretningsarbeid og i operasjoner mot Iran, ifølge kilder med innsikt. Anthropic ville ikke kommentere.

Frontmodeller slår autoriserte regnskapsførere på den enkle halvdelen av jobben og lukker likevel ikke et regnskap

To tall publisert denne uken beskriver de samme modellene. Hvilket du siterer, avhenger helt av hvor mye av en regnskapsførers arbeid du er villig til å la være med.

Googles første Gemini 4-modell går først til cyberforsvarere, og de får den med cybervernet slått av

Argon skriver opptil en million tokens i ett svar og koster 2 og 10 dollar per million i en introduksjonsperiode. Google sier modellen fant en kritisk feil i sykehusprogramvare som tidligere modeller overså.