Tới nội dung
Sự việc nóngĐang diễn ra

Bài kiểm tra chuẩn của Logical Intelligence đặt Kona đối đầu với các LLM trên Sudoku

1 bài viết1 nguồn đưa tinCập nhật 50 phút trước

Bắt đầu từ đây

Tóm tắt AI

Logical Intelligence cho biết mô hình dựa trên năng lượng Kona của họ đã giải được 96,2% các câu đố Sudoku khó trong trung bình 313 mili giây, trong khi GPT-5.2, Claude Opus 4.5, Sonnet 4.5, Gemini 3 Pro và DeepSeek V3.2 cộng lại chỉ giải được 2%, với GPT-5.2 dẫn đầu ở mức 6,9%. Công ty quy khoảng cách này cho việc sinh token tự hồi quy, mà theo họ là không thể sửa lại các quyết định trước đó; Kona thay vào đó chấm điểm một lưới ứng viên hoàn chỉnh bằng năng lượng và dùng thông tin gradient để sửa các ràng buộc bị vi phạm. So sánh được thực hiện với tính năng thực thi mã và tinh chỉnh bị tắt cho tất cả các mô hình, và Logical Intelligence nói rằng Kona không được huấn luyện trên các câu đố đã giải. Công ty báo cáo chi phí khoảng 4 USD thời gian GPU cho Kona trên gần 13.000 câu đố đã giải, so với khoảng 11.000 USD cho các lệnh gọi API LLM. Những con số này và tỷ lệ giải được là kết quả do chính công ty báo cáo.

Tạo từ các bài viết · cập nhật 26 phút trước

Dòng thời gian bài viết

Theo các bài viết để thấy sự việc từ nhiều phía.

18 tháng 11
  1. Hacker News · AI
    Logical Intelligence đối đầu mô hình dựa trên năng lượng Kona với GPT-5.2 và Claude ở sudoku

    Logical Intelligence báo cáo rằng mô hình dựa trên năng lượng Kona của họ đã giải được 96,2% các câu đố sudoku khó với thời gian trung bình 313 mili giây, trong khi GPT-5.2, Claude Opus 4.5, Sonnet 4.5, Gemini 3 Pro và DeepSeek V3.2 cộng lại chỉ giải được 2%, với GPT-5.2 tốt nhất ở mức 6,9%. Công ty cho biết các LLM thất bại vì việc sinh token tự hồi quy không thể sửa lại các quyết định trước đó, trong khi Kona chấm điểm một lưới ứng viên hoàn chỉnh bằng năng lượng và sử dụng thông tin gradient để sửa các ràng buộc bị vi phạm. Công ty báo cáo chi phí khoảng 4 USD thời gian GPU cho Kona trên gần 13.000 câu đố đã giải, so với khoảng 11.000 USD cho các lệnh gọi API LLM, với tính năng thực thi mã và tinh chỉnh bị tắt cho tất cả các mô hình.

Độ nóng của sự việc này

Chưa đủ quan sát liên tục để vẽ xu hướng.