Судоку от Hermes@DeepSeek4flash

Новая версия флэш,- просто огонь.
Гермес с ней стал еще точнее, а главное быстрее.
А при цене $0.28/млн можно сказать что теперь "почти AGI" еще и бесплатный.

Вот такое судоку за пару запросов и 5 минут собрал.

https://chat.tsingular.ru/sudoku.html

Исходники в комментарии

Ждем релиз Pro. Похоже тут даже Mythos устареет

#sudoku #gamedev #dev #deepseek
------
@tsingular

Хайп хайпом, а мы у себя в техподдержке cloud.ru тем временем внедряем агентов-диагностов, агентов-помощников и даже агентов-сотрудников. Агенты отвечают на простые вопросы и помогают людям собирать информацию для ответов на сложные.
Для меня лично очень важно, чтобы люди видели пользу от агентов, чтобы у людей было больше времени на сложные задачи, развитие, и на общение с теми людьми, которые находятся "с другой стороны", с нашими клиентами.
Раньше на поиск информации у инженеров, особенно менее опытных, уходили десятки минут, теперь за секунды вся нужная информация у них перед глазами.
Раньше были разные, зачастую устаревшие, разрозненные статьи и заметки, теперь все живут в едином пространстве знаний.
А мне захотелось привести пример того, как это выглядит для инженера, и того, как инженер оценивает работу таких ИИ-ромозников.

🧠 Две настройки утроили результат GPT-5.6 Sol на ARC-AGI-3

С официальным тестовым окружением модель набрала 13,3%. После включения двух функций Responses API результат вырос до 38,3%, а расход выходных токенов сократился примерно в 6 раз.

Средний результат человека на тех же публичных заданиях OpenAI оценивает в 48%.

Что изменили:

1. Сохранили рассуждения между действиями

Раньше после каждого хода агент терял найденные закономерности и фактически заново разбирался в игре.

2. Заменили обрезание истории на compaction

Вместо удаления старых действий длинный контекст сжимался, сохраняя важные наблюдения и выбранную стратегию.

В результате агент:

- быстрее принимал решения;
- реже повторял уже проделанную работу;
- лучше учился по ходу игры;
- тратил значительно меньше токенов.

Итоговый результат зависит не только от модели. Большую роль играют API, управление контекстом, промпт и устройство тестового harness.

OpenAI рекомендует использовать Responses API, сохранять рассуждения между вызовами и включать compaction для длинных сессий.

https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/

#OpenAI #GPT56 #Agents #ARCAGI #LLM #AIEngineering

🤯 OpenAI заявила о десяти прорывах в задачах, которые математики не могли решить десятилетиями

Результаты получила внутренняя версия Astra - следующей крупной модели компании.

Среди достижений:

— построен первый явный пример не-софической группы (особого типа абстрактной алгебраической структуры, которую раньше удавалось описывать только косвенно);
— опровергнута гипотеза жёсткости Конна (долгосрочное предположение в функциональном анализе о том, насколько строго определяются такие математические объекты);
— доказана квантовая теорема о параллельном повторении для общих двухигровых систем (показывает, как быстро падают шансы на успех при многократном повторении квантовых игр);
— доказана гипотеза Эрхарта об объёме (результат из геометрии, связанный с подсчётом точек в многомерных фигурах и их объёмами);
— впервые с 1978 года улучшена общая верхняя оценка плотности упаковки сфер (то есть насколько плотно можно «уложить» шары в пространстве).

По заявлению OpenAI, Astra самостоятельно нашла основные математические аргументы, а затем формализовала каждое доказательство в Lean. Вместе с машинно проверяемыми сертификатами опубликована рукопись на 249 страниц.

Успешные запуски обошлись бы примерно в $2000 по тарифам Sol API.

одели начинают предлагать новые доказательства для открытых задач - хотя теперь результаты должен внимательно проверить весь математический мир.

Astra ещё не выпущена, и OpenAI не называет её GPT-6.

openai.com/index/ten-advances-in-mathematics/