Logical Intelligence ทดสอบ Kona เทียบกับ LLM ด้วยโจทย์ซูโดกุ
เริ่มตรงนี้
Logical Intelligence ระบุว่า Kona โมเดลที่ใช้พลังงานเป็นฐานแก้ซูโดกุยากได้ 96.2% โดยใช้เวลาเฉลี่ย 313 มิลลิวินาที ขณะที่ GPT-5.2, Claude Opus 4.5, Sonnet 4.5, Gemini 3 Pro และ DeepSeek V3.2 รวมกันแก้ได้เพียง 2% โดย GPT-5.2 ทำได้ดีที่สุดที่ 6.9% บริษัทอธิบายช่องว่างนี้ว่าเกิดจากการสร้างโทเคนแบบ autoregressive ซึ่งระบุว่าตัวแบบไม่สามารถแก้ไขการตัดสินใจก่อนหน้าได้ ส่วน Kona ให้คะแนนตารางตัวเลือกที่สมบูรณ์ด้วยพลังงานและใช้ข้อมูลเกรเดียนต์เพื่อซ่อมแซมข้อจำกัดที่ถูกละเมิด การเปรียบเทียบนี้ทำโดยปิดการรันโค้ดและการ fine-tuning สำหรับทุกโมเดล และ Logical Intelligence ระบุว่า Kona ไม่ได้ถูกฝึกบนโจทย์ที่แก้แล้ว บริษัทรายงานว่า Kona ใช้เวลา GPU ประมาณ 4 ดอลลาร์สำหรับโจทย์ที่แก้ได้เกือบ 13,000 ข้อ เทียบกับค่าธรรมเนียม API ของ LLM ประมาณ 11,000 ดอลลาร์ ตัวเลขเหล่านี้และอัตราการแก้ได้เป็นผลลัพธ์ที่บริษัทรายงานเอง
สร้างจากรายงาน · อัปเดต 26 นาทีที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Hacker News · AILogical Intelligence ท้าชิง GPT-5.2 และ Claude ด้วย Kona โมเดลแบบ energy-based ในเกมซูโดกุ
Logical Intelligence รายงานว่า Kona โมเดลแบบ energy-based ของบริษัทแก้ปริศนาซูโดกุระดับยากได้ 96.2% โดยใช้เวลาเฉลี่ย 313 มิลลิวินาที ขณะที่ GPT-5.2, Claude Opus 4.5, Sonnet 4.5, Gemini 3 Pro และ DeepSeek V3.2 เมื่อรวมกันแก้ได้เพียง 2% โดย GPT-5.2 ทำได้ดีที่สุดที่ 6.9% บริษัทระบุว่า LLM ล้มเหลวเพราะการสร้างโทเคนแบบ autoregressive ไม่สามารถแก้ไขการตัดสินใจก่อนหน้าได้ whereas Kona ให้คะแนนตารางตัวเลือกที่สมบูรณ์ด้วยพลังงานและใช้ข้อมูลเกรเดียนต์เพื่อซ่อมแซมข้อจำกัดที่ถูกละเมิด บริษัทรายงานว่า Kona ใช้เวลา GPU ประมาณ $4 สำหรับปริศนาที่แก้ได้เกือบ 13,000 ข้อ เทียบกับประมาณ $11,000 สำหรับการเรียก API ของ LLM โดยปิดการทำงานของโค้ดและการ fine-tuning สำหรับทุกโมเดล
ความร้อนแรงของเหตุการณ์นี้
ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม