Opus 4.5 est devenu le premier modèle à dépasser 80% sur SWE-Bench verified

Post Thumbnail

Anthropic a publié Opus 4.5 et a montré que les corporations ont enfin compris que l’avenir n’est pas dans le bavardage, mais dans le travail réel.

La nouvelle version d’Opus a montré des résultats avancés dans les benchmarks pour le codage, l’utilisation d’outils et la résolution de tâches. Mais l’essentiel — c’est le 1er modèle au monde qui a dépassé 80% sur le test respecté pour la programmation SWE-Bench verified.

Le plus intéressant — ce sont les améliorations de la mémoire pour les longs contextes. « Les améliorations de la qualité globale du long contexte sont importantes, mais les fenêtres de contexte seules ne suffisent pas », a déclaré la directrice de la gestion des produits Diana Na Penn. « Connaître les bons détails à mémoriser est vraiment important en plus de simplement élargir la fenêtre de contexte ».

Ces changements ont permis de lancer la fonction tant attendue de « chat infini » pour les utilisateurs payants. Maintenant le modèle compressera la mémoire du contexte sans notification à l’utilisateur, quand il atteindra la limite.

Selon les avis, le modèle est particulièrement impressionnant sur les tests d’ingénierie logicielle réelle. Quand on lui donne un bug complexe dans une architecture multi-systèmes, il trouve lui-même la solution.

Beaucoup d’améliorations sont ciblées sur des scénarios agentiques, quand Opus gère un groupe de sous-agents basés sur Haiku. « C’est là que les fondamentaux comme la mémoire deviennent vraiment importants », explique Penn. « Parce que Claude doit explorer les bases de code et les grands documents, ainsi que savoir quand revenir en arrière et revérifier quelque chose ».

Il s’avère qu’Anthropic ne mise pas sur l’imitation de conversation, mais sur de vrais outils de travail. Un modèle qui ne bavarde pas simplement, mais aide vraiment avec le code et les tableaux.

AIvengo > Avis > Opus 4.5 est devenu le premier modèle à dépasser 80% sur SWE-Bench verified
Почитать из последнего
UBTech enverra des robots Walker S2 servir à la frontière chinoise pour $37 millions
L'entreprise chinoise UBTech a remporté un contrat de $37 millions. Et enverra des robots humanoïdes Walker S2 servir à la frontière de la Chine avec le Vietnam. South China Morning Post rapporte que les robots interagiront avec les touristes et le personnel, effectueront des opérations logistiques, inspecteront les marchandises et patrouilleront le territoire. Et caractéristiquement — ils peuvent changer leur batterie de manière autonome.
Anthropic a révélé accidentellement un document interne sur "l'âme" de Claude
Anthropic a révélé accidentellement "l'âme" de l'intelligence artificielle à un utilisateur. Et ce n'est pas une métaphore. C'est un document interne tout à fait concret.
Jensen Huang a ordonné aux employés de Nvidia d'utiliser l'IA partout
Jensen Huang a annoncé une mobilisation totale sous la bannière de l'intelligence artificielle à l'intérieur de Nvidia. Et ce n'est plus une recommandation. C'est une exigence.
Les chatbots IA génèrent du contenu qui aggrave les troubles alimentaires
Une étude conjointe de l'Université Stanford et du Center for Democracy and Technology a montré un tableau inquiétant. Les chatbots avec intelligence artificielle représentent un risque sérieux pour les personnes souffrant de troubles alimentaires. Les scientifiques avertissent que les réseaux neuronaux distribuent des conseils nuisibles sur les régimes. Ils proposent des moyens de cacher le trouble et génèrent du "contenu inspirant pour perdre du poids" qui aggrave le problème.
OpenAGI a publié le modèle Lux qui dépasse Google et OpenAI
La startup OpenAGI a publié le modèle Lux pour le contrôle d'ordinateur et affirme que c'est une percée. Selon les benchmarks, le modèle dépasse d'une génération entière les analogues de Google, OpenAI et Anthropic. De plus, il fonctionne plus vite. Environ 1 seconde par étape au lieu de 3 secondes chez les concurrents. Et 10 fois moins cher en coût par traitement de 1 token.