Tesztek

Eszközök, modellek és technológiák összehasonlítása, a mérési módszerekkel és korlátokkal együtt.

2 bejegyzés

Helyben maradhat az adat, de megmarad az AI-barkácsolás

Tesztek 2026. október 12.

A The Verge első Hermes–Qwen próbája érzékeny adatoknál valódi előnyt, a mindennapi automatizálásban viszont sok beállítást és törékeny folyamatokat talált.

OpenAI GeneBench-Pro a biológiát méri

Tesztek 2026. július 1.

AI OpenAI benchmark biológia kutatás

Az OpenAI kiadta a GeneBench-Pro tesztet, amely 129 valósághűen zajos feladaton méri, mennyire képesek az AI-ágensek helyes döntéseket hozni a komputációs biológia nehéz problémáiban.