OpenAI meninjau SWE-Bench Pro, tes yang banyak digunakan untuk mengukur keterampilan pemrograman model AI, dan menemukan bahwa sekitar 30 persen tugasnya gagal. Perusahaan menarik dukungan sebelumnya terhadap benchmark tersebut. Sebuah…
Model-model baru mengatur ulang batas kemampuan dan harga-kinerja. Tim mengevaluasi kembali apa yang harus dikembangkan setiap kali peluncuran mengubah apa yang mungkin dilakukan per dolar.
Perusahaan dan model yang disebutkan dalam cerita ini — buka halaman mereka dan harga langsung
Ringkasan dikumpulkan untuk informasi saja — ikuti tautan sumber untuk cerita selengkapnya. Entri demo bersifat ilustratif.