POPA ReconЯ не успел толком потестить последний Gemini Argon, а тут уже вышел новый - Carbon. Она сегодня занимает первое место по большинству бенчей…
Я не успел толком потестить последний Gemini Argon, а тут уже вышел новый - Carbon. Она сегодня занимает первое место по большинству бенчей среди _ публичных _ моделей, включая несильное но преимущество на любимым всеми опусом. Из интересного, бенчмарк Vending Bench, в котором модель набрала максимум баллов. Бенчмарк по сути требует от модели управлять на протяжении симулируемого года бизнесом с вендоматами (на основе легендарного эксперимента Антропика, которые сделали это физически). Модели нужно управлять поставками, ценами, платить за аренду, грузчикам с целью заработать как можно больше.…
The excerpt is quoted from a public Telegram channel, which owns its text.
Read the original post on Telegram