Etiket: benchmark
"benchmark" etiketiyle ilgili tüm yazılar.
-
Artificial Analysis, GPT-6 Astra tartışmalarının ardından zekâ endeksini yeniledi
Artificial Analysis, GPT-6 Astra’nın düşük göründüğü puanlamalara gelen eleştirilerin ardından Intelligence Index’i 4.2 sürümüne güncelledi. Yeni sistemde Astra yükseldi, ancak liderlik hâlâ Claude Fable 5.1’de görünüyor.
-
DeepSeek V4 Flash 0731 dikkat çekti: Hızlı model, ARC-AGI-2 skoruyla öne çıktı
7 Ağustos 2026'da paylaşılan ARC Prize sonuçlarına göre DeepSeek V4 Flash 0731, ARC-AGI-2 testindeki performansıyla dikkat çekti. Modelin neden konuşulduğunu ve bunun AI yarışında ne anlama geldiğini sade dille anlattık.
-
DeepSWE tartışması: “Başarısız” denilen 3 görev aynı modelle yeniden çözüldü
4 Haziran 2026’da açılan bir GitHub kaydı, DeepSWE benchmark sonuçlarının güvenilirliği konusunda soru işaretleri doğurdu. İddiaya göre DeepSeek V4’ün çözemediği söylenen 3 görev, aynı modelle yeniden çalıştırıldığında çözülebildi.