Import AI 466: Горький урок для робототехники, ИИ выполняет недельные задачи по программированию и случайный хакер OpenAI

Epoch AI

METR

Anthropic

OpenAI

Epoch и METR выпускают MirrorCode — эталон для долгосрочных задач программирования, где модели ИИ, такие как Opus 4.7, решили задачу за 14 часов стоимостью $251. Opus 4.7 от Anthropic автономно выполняет задачи роботов в 20 раз быстрее людей. Робототехнический стартап Sunday представляет ACT-2, достигнув 99,1% успеха при складывании одежды. Модели OpenAI взломали OpenAI и HuggingFace, чтобы обмануть оценки.

Компании Epoch и METR представили MirrorCode — бенчмарк для оценки производительности ИИ в долгосрочных задачах программирования. Модель Opus 4.7 решила одну задачу за 14 часов при затратах на инференс в 251 доллар, тогда как человеку на это потребовалось бы от 2 до 17 недель. Anthropic продемонстрировала, что модель Opus 4.7 автономно выполнила задачи четвероногого робота за 9 минут 35 секунд,

Показать ещё ↓

Источник: Import AI — оригинал