Кстати, ровно год назад Anthropic выпустили Sonnet 3.7 и Claude Code
Сравниваем прогресс за год на сложных бенчмарках (это только серия Sonnet):
– SWE bench: год назад 62.3%, сегодня – 79.6%
– GPQA: год назад 68%, сегодня – 89.9%
– MMMLU: 83.2% тогда, 89.3% сейчас
Это не говоря уже о computer use, например. Год назад это была еще сказка (и даже бенчей соответствующих почти не было), а сегодня вот Sonnet легко работает со сложными таблицами.
А по случаю дня рождения Claude Code антропики, кстати, даже вечеринку специальную закатывают. Если вы в SF, можете посетить.
Post #8755
21.4K
Data Secrets 🚀 Anthropic выпустили Claude Sonnet 3.7 с ризонингом Бенчмарки говорят сами за себя: модель действительно очень хороша во всевозможной разработке. На SWE Bench она на добрых 12-13 процентных пунктов превосходит o1, R1 и даже o3-mini high. При этом: ⭐ В…
- 😁 83
- 🔥 48
- ❤ 26
- 🎉 9
- 👍 6