🎬 Не успели мы познакомиться с тем, что Opus 5.5 — хороший композитор, но теперь оказывается и выдающийся сценарист. Как говорят господа из Towards AI, новый Claude почти сломал их бенчмарк.

Задание в этом бенчмарке для разных ИИ — написать сценарий популярного ролика на YouTube. Оценивают вслепую три LLM-судьи из разных семейств (Anthropic, OpenAI и DeepSeek) по нескольким критериям с учётом ещё специфических YouTube-оптимизаций типа Hook Strength, то есть способности зацепить зрителя в первые 15 секунд и т. п.

Судя по очень разным оценкам нишевых бенчмарков, новый фронтир у Дарио получился очень удачный. Я бы на его месте уже побежал на IPO, пока какой DeepSeek V5 или GPT-7 Galaxy не прилетел.

https://x.com/Whats_AI/status/2102787126727156144