Code Velocity

MI modeļi

Gemini 3.1 Pro etalontesta salīdzinājums, kas parāda ARC-AGI-2 un RE-Bench rezultātus pret Gemini 3 Pro un citiem priekšējās līnijas modeļiem
MI modeļi

Gemini 3.1 Pro: Google domāšanai orientētais modelis

Gemini 3.1 Pro sasniedz 77,1% ARC-AGI-2, divkāršojot Gemini 3 Pro. 1M konteksts, konfigurējams domāšanas dziļums un custom tools galapunkts aģentiem.

·6 min lasīšana
Claude Sonnet 4.6 OSWorld etalontesta progresija, kas parāda 65% uzlabojumu no Sonnet 3.5 līdz 4.6
MI modeļi

Claude Sonnet 4.6: priekšējās līnijas kodēšana par Sonnet cenu

Claude Sonnet 4.6 nodrošina Opus līmeņa kodēšanu par $3/$15 par miljonu tokenu. 65% labāka datora lietošana, 1M konteksta logs un stiprāka drošība.

·6 min lasīšana
Claude Opus 4.6 etalontesta salīdzinājuma diagramma, kas parāda #1 pozīcijas Terminal-Bench 2.0, Humanity's Last Exam un GDPval-AA
MI modeļi

Claude Opus 4.6: #1 kodēšanas un domāšanas etalontestos

Claude Opus 4.6 ir #1 Terminal-Bench 2.0 un Humanity's Last Exam, pārsniedzot GPT-5.2 par 144 Elo. Jaunas funkcijas: agent teams, compaction un 1M konteksts.

·7 min lasīšana
GPT-5.2-Codex etalontesta diagramma, kas parāda SWE-Bench Pro un Terminal-Bench 2.0 rezultātus salīdzinājumā ar GPT-5.2 bāzes modeli
MI modeļi

GPT-5.2-Codex: OpenAI agenturālais kodēšanas modelis

GPT-5.2-Codex sasniedz 56,4% SWE-Bench Pro un 64,0% Terminal-Bench 2.0. Veidots daudzstundu agenturālām kodēšanas sesijām par $1,75/$14 par miljonu tokenu.

·6 min lasīšana