Code Velocity

Modelet e IA-së

Krahasimi i benchmark-eve të Gemini 3.1 Pro që tregon rezultatet e ARC-AGI-2 dhe RE-Bench kundrejt Gemini 3 Pro dhe modeleve të tjera
Modelet e IA-së

Gemini 3.1 Pro: Modeli i Google me Arsyetim në Radhë të Parë

Gemini 3.1 Pro arrin 77.1% në ARC-AGI-2, duke dyfishuar Gemini 3 Pro. Ka kontekst 1M, thellësi mendimi të konfigurueshme dhe endpoint mjetesh.

·6 min lexim
Progresi i benchmark-ut OSWorld të Claude Sonnet 4.6 që tregon përmirësim 65% nga Sonnet 3.5 tek 4.6
Modelet e IA-së

Claude Sonnet 4.6: Kodim i Frontierës me Çmime Sonnet

Claude Sonnet 4.6 ofron kodim në nivel Opus me $3/$15 për milion tokena. 65% më mirë në përdorim kompjuteri, dritare konteksti 1M dhe mbrojtje më e fortë.

·6 min lexim
Grafiku krahasues i benchmark-eve të Claude Opus 4.6 që tregon renditjet #1 në Terminal-Bench 2.0, Humanity's Last Exam dhe GDPval-AA
Modelet e IA-së

Claude Opus 4.6: #1 në Benchmark-et e Kodimit dhe Arsyetimit

Claude Opus 4.6 është #1 në Terminal-Bench 2.0 dhe Humanity's Last Exam, duke mposhtur GPT-5.2 me 144 Elo. Risi: agent teams, compaction dhe kontekst 1M.

·7 min lexim
Grafiku i benchmark-eve të GPT-5.2-Codex që tregon rezultatet e SWE-Bench Pro dhe Terminal-Bench 2.0 krahasuar me modelin bazë GPT-5.2
Modelet e IA-së

GPT-5.2-Codex: Modeli Agentik i Kodimit nga OpenAI

GPT-5.2-Codex arrin 56.4% në SWE-Bench Pro dhe 64.0% në Terminal-Bench 2.0. Ndërtuar për sesione agentike shumë-orëshe me $1.75/$14 për milion tokena.

·6 min lexim