🎸 Claude 4 Sonnet и Opus уже достпуны!

Модели стали лучше по всем бенчам, что и так понятно. А вот интересности:

1) Claude 4, как и o3 умеет вызывать иснтрументы в цепочке размышлений

2) Модели гибридные – могут отвечать сразу, а можно дать время на подумать

3) Opus – ну очень агентная модель. Может работать несколько часов по одному сложному промпту. Хорошо ориентируется в больших контекстах и создает "memory files" – по сути учится на ошибках во время выполнения задачи.

4) Разработчики о поведении Opus

5) Цены API: Opus 4 – $15/$75 млн. токенов, Sonnet 4 – $3/$15. В приложении – Sonnet 4 бесплатен, Opus – начиная с подписки Pro.

6) Очень много плюшек в API для разработчиков – files api для быстрого доступа к документации, mcp connector, чтобы не писать mcp клиент, code execution и кэширование промптов.

🍴 Погнали тестировать

@how2ai #дядя_д

😐 Flappy bird бенчмарк сатурирован – проверено.

1) claude 4 sonnet thinking
2) o3
3) gemini 2,5 pro

промпт:
Do a flappy bird game. be creative
stack: html, css, js in sepearate files

Надо их, кончено, в агентный кодинг и большие контексты гонять

@how2ai #дядя_д

🤘 Deepseek обновляет R1

Попробовать можно на сайте или на lm arena

Протестил на flappy bird (первая генерация с lm arena, вторая с сайта)
Результаты других моделей – https://t.me/How2AI/1062

Видимо у китайцев эта игра была не в тренде :)

@how2ai #дядя_д

😎 У Perplexity очень интересный релиз

Коротко – сделали свой manus

Подлиннее – агентый браузинг и инструменты для создания графиков, визуализаций, мини-аппов.

Работает в среднем 10 минут, а после завершения показывает в отдельных вкладках:

1) результат (сам ресерч)
2)ресурсы, которые использовал
3) план-размышления
4) активы - все графики и картинки, которые сделал или нашел.

Доступно все платным подписчикам. Буду тестить, вернусь с результатми позже ☕️

perplexity.ai

@how2ai #дядя_д