Subiect: #Terminal Bench
Anthropic lansează Claude Fable 5.1 și Mythos 5.1: Performanțe de top în știință și costuri tăiate cu trei sferturi pentru cache
Anthropic lansează Claude Fable 5.1 (public) și Mythos 5.1 (restrâns, Project Glasswing). Același model, două straturi de siguranță. Fable 5.1 atinge 52,6% pe Terminal-Bench-Science (vs 24,7% la v5), are 1M tokeni context și reduce costul cache reads cu 75% (la $0,25/M token). API-ul suferă 3 breaking changes majore, incluzând eliminarea forced tool use. O analiză profundă a impactului economic și arhitectural.
GPT-5.5: Cel mai avansat model AI agentic al OpenAI până în prezent
OpenAI a lansat GPT-5.5, cel mai avansat model AI agentic, cu performanțe superioare pe benchmark-uri cheie, dar cu prețuri duble față de predecesor. Articolul analizează capabilitățile, costurile și implicațiile pentru utilizatori.
MiniMax a Lansat Open-Source MiniMax M2.7: Un Model de Agent Auto-Evolutiv care Obține 56,22% pe SWE-Pro și 57,0% pe Terminal Bench 2
MiniMax a lansat open-source modelul M2.7, un agent AI auto-evolutiv care obține rezultate impresionante: 56,22% pe SWE-Pro și 57,0% pe Terminal Bench 2, demonstrând capacitatea sistemelor de a se îmbunătăți autonom.