kimi k3.1 (kibitz) so với gpt 5.6 sol xhigh trên cùng một lời nhắc thiết kế web bên trái: kimi bên phải: gpt kimi đang dần thu hẹp khoảng cách trong các nhiệm vụ thiết kế. https://t.co/dv7FUAL1r5
ANTHROPIC VỪA THÔNG BÁO DOANH THU Q3 ĐẠT 16,8 TỶ USD > Q1 là 4,7 tỷ USD > Q2 là 11,6 tỷ USD > Q3 là 16,8 tỷ USD, tăng khoảng 45% so với quý trước > có lợi nhuận điều chỉnh trong quý này > Ngày Nhà đầu tư diễn ra hôm nay tại San Francisco > IPO vẫn nhắm đến giữa tháng 11, tuần roadshow vào tuần 9 tháng 11 > Định giá được đồn đoán vượt quá 2 nghìn tỷ USD Tốc độ tăng trưởng đã chậm lại so với mức tăng mạnh ở Q2, nhưng họ vừa ghi nhận gần 17 tỷ USD trong một quý và cho biết đã có lợi nhuận điều chỉnh. Tuần roadshow hiện là thời gian quan trọng nhất.
CHÚC MỪNG NGÀY GEMINI 4 ARGON ĐẾN NHỮNG NGƯỜI ĂN CỬA !!!
Chờ đã. Meta vừa cho ra một mô hình đặt cạnh Opus và định giá rẻ hơn Fable. Wonder Full đang ở vị trí 56 trên phân tích nhân tạo. Opus là 58. Fable 5.1 thấp hơn. MUSE trước đó là 48. Giá là $4 vào / $20 ra. Fable là $10 / $50. Cùng mức giá, nhưng tiết kiệm hơn nhiều. Họ đã dành một năm trông như bị “chín”, nhưng giờ đã biến nó thành cuộc đua ba ngựa. Hôm nay tôi chưa từng tính đến Meta.
Google đã bắt đầu kiểm thử mô hình sau Argon. Business Insider đã xem các tài liệu và cuộc trò chuyện nội bộ. Carbon đang được chạy trên nền tảng mã hóa Jetski của họ. Một nhân viên cho biết cảm giác giống như Opus 5.5, khi Argon từng được gọi là Barium B bên trong trước khi có tên công khai. Argon vẫn chưa xuất hiện trong trình chọn. Gemini miễn phí đã mất tính năng Flash và Pro hôm qua. Họ đang chạy điểm kiểm tra tiếp theo trong khi hầu hết mọi người vẫn không thể truy cập được mô hình mà họ đã công bố. Việc phát hành Argon sẽ làm dịu bớt sự việc này hơn là rò rỉ Carbon.
6.1 Sol đã có mặt trong Work và Codex. Vì vậy, cụm “sắp ra mắt” không phải là mô hình này. Nó hoặc là Chat, hoặc Ultrafast, hoặc Astra 6.1 mà họ đã giữ lại trước DevDay. Hiện tại, sự phân chia hữu ích đã có sẵn: Astra dùng cho các tác vụ nhỏ, email, sửa lỗi đơn lẻ, demo nhanh; Ultrafast dùng cho các nhiệm vụ nhỏ. Sol khi bạn cần thử thêm 10 lần trên cùng một repo mà không làm hỏng cả tuần. Sol vẫn còn chậm trong các chạy agent dài. Astra vẫn ăn hết giới hạn. Nếu đây là Sol Ultrafast với giá $2 / $10, thì Plus cuối cùng cũng đã có công cụ dùng hàng ngày. Nếu đây là Astra 6.1, thì đó là một bài viết khác. Phiên bản đó đã được giữ lại vì nó không giữ được phạm vi áp dụng.
Đã thử 5 lời nhắc SVG của @Angaisb_ trên GLM 5.3. Khoảng 4–8 phút mỗi cái, không tệ. Astra vẫn lấy hộp và con tắc kè, nhưng không thiên vị. https://t.co/5DuXmdPLTa
10 ngày qua, nếu bạn chớp mắt: Grok 4.7 - 21 tháng 9 Opus 5.5 - 22 tháng 9 Sonnet 5.5 - 28 tháng 9 GPT-6.1 Sol - 29 tháng 9 6.1 Astra đã bị gỡ bỏ Gemini 4 vẫn chưa xuất hiện Những mô hình giá rẻ mới là những cái thực sự ra mắt
Một điều nổi bật trong bài viết xem trước Bước 5 là phần lớn nội dung nói về công việc phần mềm thực tế, chứ không chỉ là “nó có thể viết mã được không.” Các ví dụ của StepFun đặt trọng tâm lớn vào việc sửa lỗi, thay đổi tính năng và tái cấu trúc, thay vì chỉ tạo mới từ đầu. Điều này phù hợp với cách hầu hết các đội nhóm thực sự làm việc: bạn dành nhiều thời gian hơn để đọc một cơ sở mã hiện có và thực hiện thay đổi cẩn thận hơn là tạo ra thứ gì đó từ đầu. Việc liệu điều này có duy trì được hay không mới là phần thú vị. Kiểm tra hữu ích không phải là một bảng xếp hạng lập trình khác. Mà là điều gì xảy ra khi mọi người đưa nó vào một kho lưu trữ thực tế và để nó xử lý một nhiệm vụ dài hạn.