🤕 Эти модели со временем начинают исчезать из arena.ai. Видимо, на них слишком высокий спрос. Очень креативная модель куда уж там... Хах.

Я занимаюсь созданием бенчмарка для imagen-моделей, поэтому мне предстоит еще многое понять и изучить в плане эстетики и искусства.

Но проанализировав будущую GPT Image 2, могу твердо сказать: она выдает почти идеальные результаты, которые приятно видеть. Модель буквально живет в твоем промте.

Вы сейчас начнете про лишние пальцы и прочую ерунду, но это ладно.

Вы видели базу знаний этой модели и её стиль? Она создает качественные и разнообразные арты с первой попытки, четко следуя запросу. Это избавляет от бесконечных итераций и лишних трат.

А вот здесь Nano Banana Pro очень разочаровывает. У неё совсем нет чувства вкуса - только свои мультяшные жирные линии даже в простых скетчах. Это огорчает. Это делает её хуже. Результаты не очень.

🌌 Geometry90

🧠 GPT Image 2 уже начал появляться у некоторых пользователей в ChatGPT Web. Так то это было раньше, но теперь это новые версии.

Посмотрите на видео. Изображение с шумом можно исправить редактированием, искажения рук, пальцев и других частей тела тоже можно поправить.

Да и вообще почти любые косяки лечатся через редактирование. У меня, например, получилось исправить это за 3 итерации.

Перед этим скажу, что официального релиза пока не было, так что это просто мои наблюдения. И это вообще не значит, что в итоге все будет именно так. Как говорится, не говори хоп, пока не перепрыгнешь.

Как я понял, в основе генерации изображений, возможно, стоит Masingtape-Alpha, потому что картинки часто получаются с шумом, а это как раз характерно для MT Alpha. Также в генерации мне иногда попадался Duct-tape-3.

И нет, это не A/B тесты, просто сами генерации постоянно разные. Но при этом я почти уверен, что в редактировании используется именно DT-3, то есть самая мощная модель GPT Image 2, которая сейчас есть на LM Arena.

🌌 Geometry90

@Claudeai опубликовала пост в X: «ClaudeDevs is now on X».

Я бы сказал, что это и намёк на релиз.

Эта новость не имела бы смысла для публикации, если бы не скорый выход Opus 4.7.

Anthropic создала канал «Официальные обновления для разработчиков, создающих контент с ClaudeAI».

Пост.

🌌Geometry90

Claude Opus 4.7 Потерпел серьёзное падение в бенчмарке MRCR v2 по удержанию контекста. К сожалению, здесь стало только хуже.

Opus 4.7 (Max) и Opus 4.6 (64K) оцениваются в контекстном бенчмарке MRCR v2 (8-игл) — ищет 8 скрытых фактов в длинном тексте и проверяет, не путает ли модель их между собой и правильно ли на них ссылается

256K:
- Opus 4.6: 91,9% ↑
- Opus 4.7: 59,2% ↓

1М:
- Opus 4.6: 78,3% ↑
- Opus 4.7: 32,2% ↓

Дела стали хуже чем с Gemini 3.1 pro.

Источник.

🌌Geometry90