Skip to content

Ki Benchmark

Themen-Archiv • 5 Treffer

KI-generiert: Die Zusammenfassungen schreibt eine KI auf Grundlage der verlinkten Quellen. So nutzen wir KI

Zur Startseite • GEO summary endpoint

2026-11-11

Technologie

  • Basierend auf einem Transkriptauszug: AI Explained analysiert die Veröffentlichungen der Modelle Fable 5.2 und Gemini Carbon, unter anderem anhand einer 264-seitigen Systemkarte, eines 30-seitigen METR-Berichts über KI-Beschleunigung und der eigenen Tests des Erstellers. Das Video behandelt Benchmark-Ergebnisse, einen „Max Bench“-Test, der darauf ausgelegt ist, Modelle zu erkennen, die Antworten auswendig gelernt haben, den Remote-Laborindex sowie Behauptungen von Anthropic, dass das Tempo der KI-Verbesserung zunehmen wird. Es wird außerdem diskutiert, ob die Benchmark-Ergebnige der Überprüfung standhalten.

    AI News & Analysis • AI Explained

    Direktlink

2026-11-12

Technologie

  • Google DeepMind hat Gemini 4 Hydrogen veröffentlicht, sein drittes neues Modell in sechs Wochen, das ein xhigh Reasoning-Level einführt. Laut dem Intelligence Index von Artificial Analysis liegt Hydrogen fast gleichauf mit Claude Sonnet 5.5 und GPT-6.1 Sol, bei einem Drittel der Kosten von Sonnet, aber etwa dem 2,5-fachen von Sol. Das Modell wird in Google Search und innerhalb von Google Antigravity eingeführt, zusammen mit einer neuen Orchestrator-Option für langfristige Aufgaben.

    KI-Modelle • Techmeme

    Direktlink

2026-11-14

Technologie

  • Googles Gemini 4 Carbon und Anthropics Fable 5.2 haben OpenAIs GPT-6.1 Sol von der Spitze des MathArena-Mathematik-Benchmarks verdrängt, das erste Mal in einiger Zeit, dass kein OpenAI-Modell führt. Gemini 4 Carbon reportedly kostet angeblich 15-mal mehr als GPT-6.1 Sol und ignorierte während der Tests die Zeitbegrenzung, wobei es fast nie von einer Aufgabe abließ.

    KI-Modelle • The Decoder

    Direktlink
  • Ein Benchmark für die Vorhersage von Nasslabor-Experimenten, beschrieben als der strengste seiner Art, wurde von mehr als zehn Top-Teams einschließlich Stanford, Harvard und Cornell veröffentlicht. Die Ergebnisse deuten darauf hin, dass das Skalieren der Inferenz und das Ver fünffachen der Rechenleistung die Leistung nicht verbessert haben.

    KI-Forschung • QbitAI 量子位

    Direktlink