Обновилась модель Claude Sonnet 5 от Anthropic — новый уровень поддержки агентных задач, программирования и автоматизации процессов. Улучшена работа с браузером и терминалом, самостоятельный анализ результатов и продолжение работы без промежуточных проверок . Тем временем OpenAI улучшила генератор изображений ChatGPT Images до версии 2.0. Новинка получила высокое разрешение до 2K пикселей и способна точно следовать сложным инструкциям на разных языках. Благодаря этому модель занимает первую строчку в рейтинге LM Arena . GLM-5 от Zhipu AI и Tsinghua University становится лидером среди открытых моделей. Эта модель показывает лучшие результаты на бенчмарке LMArena, опережая даже закрытые аналоги вроде Claude и GPT. Особенность GLM-5 — умение не просто отвечать на запросы, а активно взаимодействовать с окружением, выполняя комплексные агентные задачи . Исследования показывают слабые стороны современных агентов: даже самый успешный ИИ-агент решает лишь треть реальных повседневных задач интернета. Например, бронирование рейса или оформление заказа удаётся лишь в трети случаев. Традиционные бенчмарки завышают показатели, демонстрируя эффективность на уровне 65–75% . Эти обновления и исследования формируют картину текущего состояния рынка AI: прогресс заметен, но потенциал остаётся далеко не исчерпанным.
Источники
- Claude Sonnet 5: сильный агентный апгрейд, но не очевидная замена Opus — neurohive.io
- ChatGPT Images 2.0: OpenAI запустила обновление модели генерации изображений с рассуждениям, 2K-разрешением и мультиязычным текстом — neurohive.io
- GLM-5: топ-1 открытая модель для генерации кода и текста, конкурирующая с Claude и GPT на агентных задачах — neurohive.io
- ClawBench: лучший ИИ-агент смог успешно завершить только 33% реальных повседневных задач — neurohive.io