Benchmark De L Ia
Archive thématique • 7 résultats
Généré par IA : résumés rédigés par une IA à partir des sources citées. Notre usage de l'IA
2026-11-11
Technologie
Basé sur un extrait de transcription : AI Explained analyse les sorties des modèles Fable 5.2 et Gemini Carbon, en s'appuyant sur une fiche système de 264 pages, un rapport METR de 30 pages sur l'accélération de l'IA, et les propres tests du créateur. La vidéo couvre les résultats des benchmarks, un test « Max Bench » conçu pour repérer les modèles ayant mémorisé les réponses, l'indice du travail à distance, et les affirmations d'Anthropic selon lesquelles le rythme de l'amélioration de l'IA s'accélérera. Elle discute également de la solidité des résultats des benchmarks face à l'examen critique.
AI News & Analysis • AI Explained
Lien permanent
2026-11-12
Technologie
Google DeepMind a lancé Gemini 4 Hydrogen, son troisième nouveau modèle en six semaines, qui introduit un niveau de raisonnement xhigh. Selon l'Intelligence Index d'Artificial Analysis, Hydrogen est presque à égalité avec Claude Sonnet 5.5 et GPT-6.1 Sol, à un tiers du coût de Sonnet mais environ 2,5 fois celui de Sol. Le modèle est progressivement déployé dans Google Search et intégré à Google Antigravity, accompagné d'une nouvelle option Orchestrator pour les tâches à long terme.
Modèles IA • Techmeme
Lien permanent
2026-11-14
Technologie
Gemini 4 Carbon de Google et Fable 5.2 d'Anthropic ont détrôné GPT-6.1 Sol d'OpenAI de la première place du benchmark mathématique MathArena, la première fois depuis un moment qu'aucun modèle d'OpenAI n'est en tête. Gemini 4 Carbon coûterait prétendument 15 fois plus cher que GPT-6.1 Sol et aurait ignoré la limite de temps pendant les tests, n'abandonnant presque jamais une tâche.
Modèles d'IA • The Decoder
Lien permanentRunway a publié Praxis-1, un modèle de robotique à poids ouverts et code source sous licence Apache 2.0. Le modèle transfère les connaissances de l'entraînement vidéo vers le contrôle des robots et mène la catégorie World Action Model sur le benchmark RoboLab-120 de Nvidia, bien qu'il ne puisse pas encore planifier seul des séquences d'actions complexes.
Robotique • The Decoder
Lien permanentUn benchmark pour la prédiction d'expériences en laboratoire humide, décrit comme le plus strict de son genre, a été publié par plus de dix équipes de premier plan, dont Stanford, Harvard et Cornell. Les résultats indiquent que l'augmentation de l'inférence et le quintuplement de la puissance de calcul n'ont pas amélioré les performances.
Recherche en IA • QbitAI 量子位
Lien permanent