DeepSeek V4 Flash води на ранг-листите, но потфрла кај реалните агентски задачи додека цените растат
И покрај врвните позиции на ранг-листите, DeepSeek V4 Flash завршил само 53,8% од сложените агентски задачи во тестовите на Composio. Од 240 извршувања преку осум различни агентски рамки, поминале…
И покрај врвните позиции на ранг-листите, DeepSeek V4 Flash завршил само 53,8% од сложените агентски задачи во тестовите на Composio. Од 240 извршувања преку осум различни агентски рамки, поминале 129, а само шест од 30 работни текови биле успешно завршени од сите тестирани рамки. Резултатите покажуваат дека оркестрацијата, а не самата моќ на моделот, е клучна за успехот во деловни услови. Во меѓувреме, DeepSeek најави поскапување на моделите V4 Flash и Pro.
Поврзани статии
OpenAI објави нова серија решени математички проблеми
OpenAI претстави решенија на повеќе долгогодишни математички проблеми, создадени од необјавен напреден модел, во серија од 722 ракописи што покриваат 372 групи поврзани резултати. Според…
Google го претстави Gemini 4 Argon, достапен засега само за „доверливи сајбер-бранители“
Google го најави својот нов фронтиер модел Gemini 4 Argon, кој според главниот AI архитект Корај Кавукчуоглу нуди врвни перформанси во сложени работни процеси како софтверско инженерство, правна и…
Suno го претстави првиот AI музички модел создаден со помош на музичката индустрија
Suno го објави својот нов AI музички модел v6, првиот развиен со поддршка од музичката индустрија и обучен со нови податоци лиценцирани од Warner Music Group, BMG и Believe, како и кориснички…