Пост канала
- фото
🔥 Добро пожаловать в новый дивный мир: GPT-6, Claude Opus 5.5, Xiaomi MiMo и грядущий Qwen 4 За последние пару дней вышло сразу несколько крупных AI-моделей. Я сравнила их не по сухим рейтингам, а по тому, что мне кажется важнее: код, агенты, контекст, скорость и сколько всё это стоит на практике. 🤖 OpenAI GPT-6 Sol / Luna Здесь интереснее всего то, что OpenAI фактически спустила часть технологий GPT-6 Astra в более дешёвые модели. Sol и Luna обучались похожими методами и получили улучшения Astra в coding, computer use, factuality и agentic-задачах. При этом API подешевел примерно вдвое: Sol: $2 input /$10 output Luna: $0.10 /$0.50 за 1M токенов По бенчмарку DeepSWE 1.1: Sol — 68.8% Luna — 66.6% То есть даже Luna уже залезает в область серьёзного coding-agent, хотя стоит копейки. Плюс OpenAI переработала prompt caching: cached input теперь может быть дешевле на 90%. 🧠 Claude Opus 5.5 Anthropic пошла немного другим путём: ставка на длинные автономные задачи и качество агента. Цена: $4 /$20. Это на 20% ниже Opus 5, модель генерирует более чем на 30% быстрее, а типичная задача, по данным Anthropic, обходится примерно на 40% дешевле из-за меньшего количества токенов и шагов. То есть Opus интересен не только тем, что «умнее». Он стал меньше ходить кругами и делать меньше tool calls для получения результата. Для больших codebase, рефакторинга и автономных агентов это может быть важнее цены одного токена. 🚀 Xiaomi MiMo-V2.6 Pro Для меня это самый интересный релиз по соотношению характеристик и цены. Что внутри: 1M context 128K max output text + image + video + audio tool calling open weights Цена: $0.435 input /$0.87 output. На Artificial Analysis Intelligence Index Xiaomi указывает 46.32 — сейчас это один из самых сильных результатов среди open-weight моделей. Но технически интереснее другое: Xiaomi сильно масштабировала RL на реальных agentic-задачах. Для Pro использовали около 750 тыс. trajectories, а DeepSWE v1.1 в процессе RL вырос с 58.4 до 72.6. То есть open-weight модели начинают догонять закрытые уже не только масштабом pretraining — их серьёзно дожимают через agentic RL. 👀 И ещё важное — Qwen 4 Это уже официально: Alibaba сообщила, что Qwen 4 находится в обучении. Причём компания уже показала направление развития: Qwen3.8-Max прогнали через месяц автоматического self-improvement — 33 итерации, после чего его Artificial Analysis score вырос с 40 до 45. Дальше в roadmap — Qwen 4.5 и Qwen 5, где Alibaba говорит уже о масштабе 5–10 трлн параметров. 💡 Мой вывод после сравнения: Claude Opus 5.5 — ставка на тяжёлые и длинные agentic-задачи. GPT-6 Sol — сильный компромисс между frontier-возможностями и ценой. GPT-6 Luna — особенно интересна для массовых агентов и большого числа вызовов. MiMo V2.6 Pro — наиболее интересный open-weight релиз по цене/возможностям. Какую модель вы бы протестировали? Делитесь в комментариях! 👇
Открыть в MAX- Просмотры
- 2 485
- ER
- 0,1%
- Реакции
- 2