ข้ามไปที่เนื้อหา
เฉพาะ โมเดล#เบนช์มาร์ก
  1. The Decoder88

    Google เปิดตัว Gemini 4 Hydrogen ได้คะแนนเหนือกว่า Argon รุ่นใหญ่กว่าสี่สัปดาห์หลัง Argon เปิดตัว

    Google ได้เปิดตัว Gemini 4 Hydrogen โมเดลอเนกประสงค์ที่รวดเร็วสำหรับนักพัฒนาและผู้ใช้ทั่วไป ในราคา 1.50 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 7.50 ดอลลาร์ต่อล้านโทเค็นเอาต์พุต พร้อมหน้าต่างบริบทหนึ่งล้านโทเค็น Google ระบุว่า Hydrogen ได้คะแนน 51 บน Artificial Analysis Intelligence Index ที่ระดับการคิดสูงเริ่มต้น และ 54 ที่ระดับ xhigh ใหม่ เทียบกับ 50 สำหรับ Gemini 4 Argon รุ่นใหญ่กว่า การทดสอบอิสระโดย Artificial Analysis พบว่า Hydrogen อยู่ในระดับเดียวกับ Claude Sonnet 5.5 ที่การคิดสูงสุดโดยประมาณ แต่ด้อยกว่าในงานเทอร์มินัลแบบเอเจนต์ โดยได้ 54 เปอร์เซ็นต์บน Terminal-Bench 4.0 เทียบกับ 64 เปอร์เซ็นต์ของ Claude Sonnet 5.5

    ทำไมเรื่องนี้สำคัญ: Gemini 4 Hydrogen ที่ถูกกว่าของ Google มีรายงานว่าเอาชนะ Argon รุ่นใหญ่กว่าบน Artificial Analysis Intelligence Index ขณะที่การทดสอบอิสระแสดงให้เห็นว่าตามหลัง Claude และ GPT-6.1 ในงานเทอร์มินัล

  1. Latent Space85

    Anthropic เปิดตัว Claude Fable 5.2 และ Mythos 5.2 กลับมาครองอันดับหนึ่ง LLM ขณะเริ่มโรดโชว์ IPO

    Anthropic เปิดตัว Claude Fable 5.2 และ Claude Mythos 5.2 ซึ่งขึ้นอันดับต้นในลีดเดอร์บอร์ดอิสระส่วนใหญ่ รวมถึง Artificial Analysis Intelligence Index v5 ที่ 65 และ SemiAnalysis GDPx ที่ 16.4% ราคาลดลง 20% เหลือ $8/$40 ต่อ 1M โทเคนอินพุต/เอาต์พุต แต่ SemiAnalysis รายงานว่าต้นทุนต่องาน GDPx เพิ่มจาก $67.16 เป็น $88.15 เพราะโมเดลเขียนกรณีทดสอบหลายร้อยถึงหลายพันกรณีและสร้าง subagent เพื่อตรวจงานของตัวเอง การประเมินหลายชุดแสดงให้เห็นว่าระดับความพยายามสูงสุด (max effort) ให้ผลด้อยกว่าระดับ high และ Fable ถูกจำกัดที่ 50% ของขีดจำกัดการสมัครสมาชิกรายสัปดาห์

    ทำไมเรื่องนี้สำคัญ: Anthropic เปิดตัว Fable 5.2 และ Mythos 5.2 พร้อมลดราคาต่อโทเคน 20% แต่การประเมินอิสระกลับพบต้นทุนต่องานสูงขึ้น และการตั้งค่าความพยายามสูงสุดให้ผลด้อยกว่าระดับ high

  1. Artificial Analysis Articles82

    Gemini 4 Carbon ครองอันดับหนึ่ง Artificial Analysis Intelligence Index v5 อยู่อันดับสอง Coding Agent Index

    Gemini 4 Carbon ของ Google ขึ้นเป็นอันดับ 5 ใหม่ใน Artificial Analysis Coding Agent Index 5 (สูงสุด 62) และนำใน 4 จาก 9 การประเมินของ Index รวมถึง HLE-Diamond และ Terminal-Bench-Science 1 เพิ่มจาก 4% เป็น 11%; โมเดลกำลังทยอยเปิดให้ผู้ใช้บางกลุ่ม และยังไม่เปิดให้ใช้งานทั่วไป

    ทำไมเรื่องนี้สำคัญ: Gemini 4 Carbon ครองอันดับหนึ่ง Artificial Analysis Intelligence Index v5 ที่ 59 และตามหลัง Claude Opus 5.5 อยู่ 3 คะแนนใน Coding Agent Index พร้อมตัวเลขต้นทุนต่องานและอัตราการสร้างข้อมูลเท็จเพื่อการเปรียบเทียบ

อ่านครบทั้งหมดแล้ว