Компания Meta анонсирует Muse Spark, первую модель MSL, и новый режим размышлений Muse Spark.

Режим размышлений Muse Spark продемонстрировал результат 58,4% в тесте HLE с использованием инструментов.

В коддинге эта модель не показывает хорошие результаты, зато модель достаточно умная.

Источник.

Meta* — признана экстремистской организацией, деятельность которой запрещена на территории Российской Федерации.

🌌 Geometry90

☔️ Что? OpenAI планирует выпустить GPT-5.5 только для небольшого числа компаний.

— Axios

Так же, как и Anthropic с Mythos.

Однако лично у меня большие сомнения насчёт этого.

Кстати, ребята, сегодня ничего не выйдет, в принципе на этой неделе ничего не выйдет.

Ну а если выйдет, то я прогадал, но всё равно впринципе очевидно, что не выйдет, не было особых намёков "на сегодня", да и сам сотрудник из OpenAI уже намекнул на релизы на следующих неделях, а не на этой.

Gpt image 2 ещё в начале недели стал появляться у некоторых людей.

(то что сейчас в вебе это v3, на Lm arena индикатор был v5, в a/b тестах - это v3 и v5, но, думаю, что у них есть ещё более новые варианты)

Хотяяя... Я дейсвительно писал, что GPT Image может выйти на этой неделе — да. Но в начале это было неясно, поэтому я думал так.

OpenAI хотят создать супер-мультимодальную модель, которая будет генерировать видео...

Так что ваша Sora 2, будет перенесена в GPT-модель. (Это мой инсайд, пока не многие имеют понятия, откуда я это взял, и нет, не тот самый Leo).

На мой взгляд, это ответ Gemin Veo4, которая вот-вот могла бы... Блин, стать первой моделью, аналогичной Nano Banana, но с генерацией видео. Но нет. OpenAI явно хочет поторопиться обойти Google.

Так что для Sora 2 потом перенесут свою дату отключения, и естественно, её полностью заменит другая, более умная видео-модель от OpenAI.

Отличной вам недели. 🤣

💀 Seedance 2.0: Сериал "серьесние отношння"

🤖 Да, GPT Super App выйдет на следующей неделе.

В нём как правило будет начальная комбинация CHAT GPT+ CODEX.

Ещё на следующей неделе ожидается GPT IMAGE 2.0 и GPT 5.5 / 5o (тут неизвестно).

🌌 Geometry90

Все уже знают, что GPT Image сейчас тестируется в веб-версии ChatGPT.

А во вкладке Network всегда можно подсмотреть, какая именно версия вам выпала.

Чаще всего это A/B-тест GPT-1.5 img против GPT-2 img, но иногда попадаются и две разные сборки GPT-2 img.

И мне попадалось несколько:

▎ig2(img2)-37p-50ir0324-90p-step1600-ev3
▎lg2(img2)-37p-50ir0328-95p-step1600-ev5
▎ig2(img2)-37p-50ir0328-105p-step1600-ev4

И это не всё.

Вчера доступ выдали случайно. Утром зашёл через VPN Северной Кореи, хотел половить A/B-тест, а картинки и так идеальные. У некоторых его тогда и вовсе забрали.

Я посмотрел индикатор и, как и я догадывался, всем избранным алгоритмами, кому выпадала новая версия GPT Image, досталась именно V3.

Нам даже в качестве основной базы дают далеко не самую свежую версию, но при этом всё равно прогоняют через A/B-тесты. И даже с такими вводными результаты выглядят очень круто.

🌌 Geometry90

Всех причастных к делу с праздником.
Поздравить вас могу)
Христос воскресе! 👋

Opus 4.6 сильно ослабили.

Зацените обложку от gpt 2 image. 😀

Я решил сделать этот пост, так как стал часто натыкаться на жалобы в X.

Я заметил это еще в феврале, когда прилетел домой после отпуска, тогда я много вайб-кодил и строил "свой проект" (который там уже скоро когда-то).
Тогдашний Claude 4.6 Opus реально впечатлял. Но уже через неделю я поймал даунгрейд: он стал делать примерно на 10% меньше, чем мог. Это было заметно. Это был один из лучших провайдеров, так что дело не в нём, не подумайте там.

Я всегда говорю, что модели тихо ослабляют.
После официального анонса Claude Mythos, Claude 4.6 будто окончательно подрезали. Последние недели я почти не вайбкодил и Клодом не пользовался, но сейчас лента полна жалоб, и я понимаю почему. Вот пример: Источник.

Bridgebench.ai от ребят BridgeMind подтвердил, что у Opus 4.6 реально снизили уровень рассуждений, модель ослаблена.
Люди, которые постоянно гоняют модели на своем бенчмарке, прогнали Opus 4.6 заново:

▎На прошлой неделе Claude Opus 4.6 был на #2 с точностью 83,3%.
▎Сегодня тот же Claude Opus 4.6 упал на #10 с точностью 68,3%. Ещё и рост галлюцинаций: теперь она имеет #87.6%.

И как тут не согласиться? Это же очевидно. Сам факт, что они втихаря режут модель, уже всё объясняет. Это уже как будто агрессивная компания, которая готова на всё ради экономии. Хотя так делают все, хах.

Они выпустили Mythos, но что показали в итоге? Кроме одного неофициального svg (это реально был mythos) и некоторых отчетов о его способностях анализа кода, ничего больше не показали вообще. Это лишь слова и какие-то подтверждения от людей. Ровно как Google со своей Gemini 2.5 Deep Think, которую 4 (вроде) месяца держали для закрытого круга.

BridgeBench, насколько я понимаю, оценивает именно кодинг и прикладные скиллы модели, а не общие способности модели. Это не универсальный бенчмарк.

Простите, что без подробного разбора, что это за штука, хотел просто привести пример. По большому счету, идеальность тут не главное: бенчмарк делают живые люди, и ценен именно их практический опыт. Я регулярно слежу за их работой и вижу, что их недовольства и отчеты часто совпадают с нашим мнением, с мнением нашего сообщества.

Хорошо, что есть такие бенчмарки, где это можно поймать за руку. Opus 4.6 еще можно юзать, он многое умеет, но будьте бдительны, он теперь будет галлюцинировать сильнее.

И главное. Никто не будет перемерять модели заново. Ни LM Arena, ни Artificial Analysis. Никто из них не будет этого делать, потому что им это выгодно.

Вот такой у нас лживый мир.

🌌 Geometry90