Je me suis levé tôt pour enregistrer une revue Opus 5.5. Puis Anthropic et OpenAI ont abandonné de nouveaux modèles le même matin, et j’ai décidé de faire quelque chose que j’avais jamais fait auparavant : prendre le banc de l’IA en vie. J’ai mis GPT-6 Astra, GPT-6 Sol, Claude Opus 5.5, et plus encore à travers le travail que je tiens réellement à: emails, PRDs, prototypes frontend, travail backend, agents de longue durée, SVGs, et montage vidéo. J’ai marqué les sorties sans savoir quel modèle les a faites, donc vous pouvez me regarder faire des prédictions, changer d’avis, et révéler mon goût très incohérent. Astra a gagné mon cœur. L’Opus 5.5 a gagné ma semaine. Sol m’a encore fait partager. Il ya un résultat créatif que j’ai complètement tort, un juge LLM qui n’est pas d’accord avec moi, et un retour à Barbie Bench: le jeu de mode 3D qui continue de me rappeler jusqu’où nous devons aller. Les mains sont tragiques. AGI n’est pas arrivé.

  1. Comment je fais tourner le banc de l’IA aveugle, et ce qui obtient une sortie un mauvais score avant même que je sache quel modèle a fait

  2. Pourquoi Astra a gagné mon cœur alors que l’Opus 5.5 pourrait être le plus fort, surtout pour les agents de longue durée et le front B2B

  3. Où Sol me gagne encore sur l’écriture claire, les PRD lisibles, et le prix

  4. Le caractère SVG résultats qui ont complètement renversé ma prédiction sur Anthropic

  5. Ce qui s’est passé quand j’ai demandé à ces modèles de modifier la vidéo, et pourquoi je pense que les compétences expliquent une partie de la déception

  6. Pourquoi un juge LLM n’était pas d’accord avec mon classement, et ce qui était gratifiant que je n’étais pas

(À 00 heures) Configuration LIVE et lancements de nouveaux modèles

(1 h 30) Quoi de neuf dans Opus 5.5, Sol et Luna

(Le Président) Gardes-corps, personnalité et vitesse

(9 heures) Le processus d’évaluation de l’IA et de l’évaluation aveugle

(11:31) E-mail et résultats de productivité personnelle

(13:50) Contrôles d’ambiance du prototype de Frontend

(24 h 10) Dosard, personnalité d’agent et tâches de longue durée

(28:25) Essai d’illustration SVG

(29:48) Résultats de la vidéo-édition de l’IA

(30:43) Prédictions avant la révélation

(31:20) Barbie Bench: le test de jeu de mode 3D

(34:17) Résultats: Astra, Sol et Opus 5.5

(35:04) Écrire la clarté et les surprises créatives

(36:51) Pourquoi le juge LLM n’était pas d’accord avec moi

(37:24) Ce que chaque modèle est en fait le meilleur pour

• Claude Opus 5.5 : https://www.anthropic.com/claude-opus-5-5

• GPT-6 Sol et Luna: https://openai.com/index/introducing-gpt-6-sol-and-luna/

• Codex (OpenAI): https://openai.com/codex

– C’est pas vrai. https://www.chatprd.ai/

Site web: Les informations sur les activités de l’Agence sont disponibles sur le site https://clairevo.com/

LinkedIn : https://www.linkedin.com/in/clairevo/

X : https://x.com/clairevo

Production et commercialisation par Les données de la base de données sont disponibles sur le site Web de l’OMPI.. Pour toute demande de renseignements sur le sponsoring du podcast, envoyez un courriel [email protected].