Epoch AI: खुले-अंत वाले कार्यों पर कोई मॉडल उसके कर्मचारियों के मानक पर खरा नहीं उतरता; Fable 5.2 82% के साथ शीर्ष पर, GPT-6.2 Astra 65% के साथ चौथे स्थान पर
Epoch AI ने GPT-6.2 Astra और अन्य हालिया मॉडलों को Epoch Automation Reports पर परखा। यह खुले-अंत वाले Epoch कार्यों का उसका बेंचमार्क है—Epoch-शैली के आरेख बनाने से लेकर बुनियादी शोध प्रयोगों की रूपरेखा तैयार करने तक। Epoch का एक कर्मचारी हर आउटपुट को Epoch स्टाफ से अपेक्षित गुणवत्ता मानक के आधार पर अंक देता है; 100% का अर्थ है कि वह उस मानक पर खरा उतरता है।
Epoch का कहना है कि कोई भी मॉडल इस मानक पर खरा नहीं उतरा। Claude Fable 5.2 ने औसतन 82% के साथ सबसे अधिक अंक हासिल किए, जबकि GPT-6.2 Astra 65% के साथ चौथे स्थान पर रहा—हालाँकि Fable 5.2 के साथ उसका ECI (Epoch Capabilities Index) स्कोर भी सबसे अधिक 174 है। Epoch के मुताबिक, एक कार्य में Fable 5.2 और Claude Opus 5.5 दोनों ने ठेके पर काम करने वाले व्यक्ति के स्तर का प्रदर्शन किया।
ये Epoch के अपने स्कोर हैं, जिन्हें उसके कर्मचारियों ने आँका है। 18 नवंबर तक इस पोस्ट को X पर 224 अंक मिले थे।
स्रोत
ऐसी ख़बरें push में पाएँ।
आपके टूल्स में कुछ बदलते ही AI Tracker आपको अलर्ट करता है।