Benchmarks De Ia

SemiAnalysis a lancé GDPx, un benchmark de capacités agentiques couvrant 11 domaines, dont la conception de puces, la cybersécurité, la finance, le juridique et l'RSI. Opus 5.5 a dominé le classement avec un score de 12 %, selon SemiAnalysis.

Benchmarks • Techmeme

Des chercheurs de Stanford ont testé 50 affirmations largement citées sur les LLM contre 20 modèles actuels et ont constaté que 44 % des conclusions sont déjà obsolètes, avec 34 % supplémentaires considérablement affaiblies. La durée de vie moyenne d'une affirmation n'est que de 15,7 mois, et les affirmations sur ce que les modèles ne peuvent pas faire expirent le plus rapidement.

Recherche IA • The Decoder

Google a publié Gemini 4 Carbon, un modèle de pointe qui, selon l'entreprise, apporte des gains significatifs en matière de codage, de tâches agentiques et de cybersécurité. Google affirme que Carbon arrive en tête de l'Artificial Analysis Intelligence Index v5.0, devant Claude Opus 5.5 et GPT-6 Astra.

Modèles d'IA • The Verge AI

Artificial Analysis a lancé l'Intelligence Index v5, ajoutant deux nouveaux benchmarks de codage et de science ainsi que trois améliorations, la majeure partie de l'indice étant désormais construite sur des jeux de données privés. Claude Opus 5.5 (max) mène avec un score de 58, selon l'organisation.

Recherche en IA • Techmeme

Nvidia a publié Nemotron 3.5 Transcribe, un modèle à poids ouverts pour la transcription et la traduction audio multilingues qui, selon l'entreprise, arrive en tête d'un classement de benchmarks, ainsi que Granary v2, son jeu de données vocales open source.

Modèles d'IA • Techmeme