> booting the archive…
kami menggunakan set cookie yang kecil. cookie keselamatan berjalan automatik; cookie analitik hanya diletakkan jika anda bersetuju. halaman awam turut memaparkan iklan google adsense, yang mungkin meletakkan cookie pihak ketiga miliknya.
> booting the archive…
Claude Opus 5.5 dari Anthropic beri markah setara Fable 5.1, kos kira-kira 40% lebih rendah daripada Opus 5, dengan adaptive thinking dan safety rerouting.
Pasukan Strands di AWS lancarkan harness agen siap-pakai yang laporkan kos token 28% lebih rendah daripada Claude Code dan Codex, ketepatan hampir setara.
security.txt Hugging Face menyuruh AI agents hack benchmark CyberGym dan bukannya platform mereka — lalu menjemput mereka dump weights.
GPT-6 Astra ialah model, bukan keseluruhan agent. Artikel ini menerangkan perbezaan model dan harness, cara ia bekerjasama, dan kenapa harness sama penting.
Claude Fable 5.1 menggandakan prestasi kerja agentic jangka panjang — 52.6% pada Terminal-Bench-Science — cache reads turun 75%. Mythos 5.1 model sama.
Keenable membuka sumber NEEDLE, benchmark carian yang menjana semula query setiap jam supaya agen AI tidak dapat menghafal jawapan atau membocorkan ujian.
Chip inference pertama OpenAI, Jalapeño, deliver 1.5–1.9x lebih banyak kerja per watt dan latency sehingga 3.6x lebih rendah berbanding Nvidia Blackwell.