Paweł Huryn'ın 105 hatalı testi, GPT-6.2 Astra'yı 28,35 $ karşılığında 62,7 puanla zirveye taşıdı
Paweł Huryn, modelleri 105 hatanın yeniden eklendiği iki depoda çalıştırıp bulabildiklerini bulmalarını ve düzeltmelerini istediğini söylüyor. GPT-6.2 Astra'nın yeni 1 numara olduğunu bildiriyor ve kod incelemede güçlü olduğunu belirtiyor.
Çalıştırma maliyetleriyle birlikte aldığı puanlar:
- GPT-6.2 Astra (max): 28,35 $ karşılığında 62,7
- GPT-6.2 Astra (xhigh): 23,53 $ karşılığında 60
- Claude Fable 5.2 (max): 139,65 $ karşılığında 58
- Gemini 4 Carbon (high): 31,32 $ karşılığında 57,3
- Claude Sonnet 5.5 (max): 154,03 $ karşılığında 51,3
- GPT-6 Astra (max): 33,03 $ karşılığında 45
Bu, en yüksek çaba düzeyinde GPT-6 Astra'dan 17,7 puan, xhigh düzeyinde ise 17 puan daha fazla. Huryn, GPT-6.2 Sol'un ve daha fazla çaba düzeyinin başlık dizisinde paylaşılacağını söylüyor. Sonuçlar kendisine ait ve tek bir teste dayanıyor; gönderi 18 Kasım itibarıyla X'te 1.343 puan almıştı.
Kaynaklar
Bu tür haberleri bildirim olarak alın.
Kullandığınız araçlarda bir şey değiştiğinde AI Tracker sizi uyarır.