⚡️ OpenAI выпустила рассуждающие модели o3 и o4-mini.

🟢 o3 — это уже даже не та о3, которую анонсировали в декабре. Ее метрики гораздо лучше. Идеально подходит для кодинга. Кстати, о3 сильно дешевле о1: 10/40$ вместо 15/60$.

🟢 o4-mini — мини-версия передовой o4, которую OpenAI пока что боится выпускать. На AIME 2025 аж 99.5. Доступна будет бесплатно.

🟢 Модели мультимодальные, причем при размышлении могут думать картинками.

Пользователи ChatGPT Plus, Pro и Team увидят модели уже сегодня. Бесплатные пользователи могут попробовать o4-mini, выбрав «Think» перед отправкой запроса.

@xor_journal

ChatGPT o3 — джун-неудачник, который постоянно оправдывается. Исследователи проверили новую модель на галлюцинации и это очень смешно.

— Если код не будет работать, то модель может сказать, что она запускала его на своем MacBook и все работало, так что ошибка где-то у тебя;

— Может сказать, что она правильно ответила, скопировала ответ, а он «стал неправильным» в буфере обмена;

— Или не сможет предоставить ответ, потому что «потеряла» его и оригинальный «правильный» ответ уже не найти, потому что случайно скопировался неправильный.

Ну вот теперь верю, что ИИ заменит программистов 😂

Наконец-то появился бенчмарк с Doom ☺️

Исследователи из Принстона представили Video Game Bench — бенчмарк, в котором модели пытаются пройти 20 классических игр из 90-х.​

На видео GPT-4o, Claude Sonnet 3.7, Gemini 2.5 Pro и Gemini 2.0 Flash играют в Doom II. Результат: ни одна из моделей не прошла даже 1 уровень. Например, модели часто путают мертвых врагов с живыми и тратят на них все свои патроны.

Опенсорс, GitHub тут

@xor_journal