📣 新しいVals AIベンチマークがリリース📣されたばかり 私たちは、モデルが学生の作品を採点するのに苦労していることを発見した後、SAGE ベンチマークを構築しました。逆説的ですが、最高のモデルは、難しい数学の問題を解く + IMO で優勝できますが、採点時に 50% を破るのに苦労しています。 (1/5)

ソネット4.5がリリースされたばかりで、財務とプログラミングのベンチマークで#1の座を獲得しました。発売に先立って新しい@claudeaiモデルをテストする機会があり、特にエージェントアプリケーションにおいて非常に優れた能力があることがわかりました。 (1/6)

GPT-5 Codex は、評価したほぼすべてのベンチマークで優れたパフォーマンスを達成しました。最も注目すべきは、以前の #1 の GPT-5 と比較して Terminal-Bench が 10% 向上したことです。強力なコーディングモデルで@OpenAIチーム、おめでとうございます! (1/6)