Все бенчмарки на проверку AGI оказались бредом — топовым нейронкам ещё очень далеко до человеческого интеллекта, а доказала это обычная игра-симулятор парка аттракционов Roller Coaster Tycoon 2

Стартап Skyfall AI раскритиковал самый популярный бенчмарк ARC-AGI на «абстрактное мышление» — нам всё это время показывали иллюзию мышления, на самом деле бенчмарк даёт возможность нейронкам откатить свои ошибки и приходить к правильному результату только через 100500 повторений. А реальная жизнь гораздо непредсказуемее и не прощает ошибок, считают спецы Skyfall.

Я уже писал про эксперимент с Roller Coaster Tycoon, где Claude сделал невероятный результат, НО Skyfall сделал повторную сессию с топовыми моделями, где всё рассчитано на долгосрок, пространственное мышление, умение предвидеть и не делать необратимые ошибки. Результаты:

• НИКТО из нейронок не умеет в пространственное мышление — GPT-5.4 строил аттракционы, у которых вход/выход упирался в стену, и гости не могли попасть на них. Gemini перестраивал парк по 3 раза, но тоже не справился
• Никто из нейронок не заботился о безопасности посетителей — Claude (тот самый лучший менеджер среди всех) игнорировал ошибки, сносил пути с людьми на них, оставлял гостей в ловушке, не нанимал охрану заранее, что вызывало вандализм и падение рейтинга парка
• Все топовые ИИ решают только текущие мелкие проблемы и не думают о долгосрочных последствиях

В общем, ИИ пока на уровне амёбы на задачах, где нужно действительно думать. Спим спокойно 🤷‍♂️

Пет-проект

Китайцы смогли положить на лопатки Opus 4.6 — вышла продвинутая GLM-5V-Turbo

Не знаю, что они туда засунули, но рисовая моделька обходит флагмана Anthropic почти по всем бенчам на 10-20 пунктов 🫣

Фич очень много:

• Понимает картинки, видео и текст одновременно — модель из коробки работает с изображениями, видео и текстом, не нуждаясь в отдельных этапах обработки для каждого типа данных
• Визуальный энкодер CogViT — специальные «глаза» модели, который напрямую считывает содержимое изображений, макетов и видео без промежуточного перевода в текст
• Архитектура MTP — ускоренная генерация: модель предсказывает сразу несколько токенов за шаг, что делает её быстрее при работе с большими задачами
• 200к токенов контекста — модель запоминает целые репозитории кода, длинные документы или долгие видео
• Вывод до 128к токенов — может генерировать очень длинные ответы, например полный код целого проекта за один запрос
• Обучение с подкреплением на 30+ типах задач — модель тренировалась решать одновременно более 30 видов задач, что делает её универсальной.
• STEM-рассуждения — умеет в логическое и математическое мышление, что помогает писать корректный и правильный код
• Visual Grounding — по текстовому описанию находит нужный объект на картинке и показывает его точное местоположение рамкой
• Анализ видео — понимает, что происходит на видео во времени: смену кадров, анимации, действия пользователя
• Работа с инструментами и API — умеет вызывать внешние программы и сервисы для выполнения задач
• Design-to-Code — отправляете макет или скриншот, а модель генерирует готовый, запускаемый фронтенд-код с учётом цветов, компонентов и расположения элементов
• Визуальное исследование сайтов — может сама ходить по веб-сайту, собирать скриншоты, карту переходов и ассеты, а потом написать код на основе увиденного
• Image Captioning — анализирует фото и генерирует понятное текстовое описание: объекты, их связи, атмосфера, действия
• Генерация промптов по картинке/видео — по загруженному изображению или видео сама составляет качественный, структурированный промпт для дальнейшей работы
• Агентные данные и верификация — для обучения была создана специальная система проверяемых данных, чтобы модель умела действовать как автономный агент
• Интеграция с агентами Claude Code и OpenClaw
• GUI-агент — умеет взаимодействовать с графическими интерфейсами (кнопки, поля, меню) как реальный пользователь, в браузере и на мобильных устройствах

Китайцы снова на коне 😳

Пет-проект

OpenAI готовит БОМБУ — на этой неделе должна выйти GPT Image 2 с генерацией высочайшего качества

В Твиттере уже затестили новую модель. Все фотки в посте — её генерации. Изображения прорабатываются до мельчайших подробностей без артефактов — можно даже построить подробную карту тела человека со всеми терминами и схематичным обозначением.

Что-то невероятное 😱

Пет-проект