Scaoileann Fathaigh an Intleachta Saorga 4 Mhúnla Teorann i gceann 3 Seachtaine agus an Rás ag Dul ar Róluas

Díríonn Grok 4.5 ó xAI, Claude Opus 5 ó Anthropic, teaghlach GPT-5.6 ó OpenAI, agus Kimi K3 ó Moonshot AI ar an bhfadhb chéanna: córas AI a chur ag déanamh tasc iluaire, ó thaighde go códú go tuairisciú struchtúrtha, gan rian an phlean a chailleadh.

Déanann Grok 4.5 Oiliúint ar Sheisiúin Fhorbróra Fhíora

D’eisigh xAI Grok 4.5 an 8 Iúil. Ritheann an tsamhail ar bhunús 1.5 trilliún paraiméadar agus cuireadh oiliúint uirthi go páirteach ar shonraí úsáide fíora ó Cursor, an t-ardán códaithe a fuair SpaceXAI níos luaithe i mbliana. Tá praghsáil ag $2 an mhilliún tócan ionchuir agus $6 an mhilliún tócan aschuir, le fuinneog comhthéacs 500,000 tócan.

Chuir Elon Musk síos ar Grok 4.5 mar shamhail den aicme Opus a ritheann níos tapúla agus ar chostas níos ísle. Cuireann rianairí neamhspleácha í sa cheathrú háit ar Innéacs Faisnéise Artificial Analysis, chun tosaigh ar gach samhail mheáchain oscailte, le praghsáil níos mó ná 60% faoi bhun Claude Opus 4.8 agus GPT-5.5. Ar Terminal-Bench 2.1, tástáil a scórálann cé chomh maith is a chríochnaíonn samhail tascanna innealtóireachta ar an líne ordaithe, scóráil Grok 4.5 83.3%.

Is é an t-athrú is mó éifeachtúlacht tócan. Deir xAI go dteastaíonn ón tsamhail thart ar an gcúigiú cuid de na tócan aschuir a bhí ag teastáil ó Opus 4.8 do thascanna inchomparáide, rud a laghdaíonn costas seisiúin fhada gníomhairí a rith.

Coinníonn Claude Opus 5 an Praghas seasmhach

D’eisigh Anthropic Claude Opus 5 an 24 Iúil, á shuí mar shamhail a shroicheann gar do fheidhmíocht Claude Fable 5, an eisiúint is cumasaí ag an gcuideachta, ar leath de phraghsáil $10 ionchuir agus $50 aschuir Fable. Tá an praghsáil chéanna ag Opus 5 féin—$5 ionchuir agus $25 aschuir—agus a réamhtheachtaí, Opus 4.8.

Tagann an tsamhail le fuinneog comhthéacs 1 mhilliún tócan, 128,000 tócan aschuir uasta, agus socrú iarrachta réasúnaithe inchoigeartaithe a théann ó íseal go mód xhigh nua. Deir Anthropic go leagann Opus 5 taifid nua ar Frontier-Bench agus GDPval-AA, dhá mheasúnú ar chódú agus ar obair eolais, cé go bhfuil sí taobh thiar den tsamhail srianta Claude Mythos 5 ar thascanna cibearshlándála. Is í Opus 5 anois an tsamhail réamhshocraithe ar Claude Max agus an rogha is láidre ar Claude Pro.

Roinneann OpenAI GPT-5.6 ina Trí Shraith

Rinne OpenAI GPT-5.6 a chur ar fáil go ginearálta an 9 Iúil tar éis réamhamharc coicíse a bhí teoranta do thart ar 20 eagraíocht a ndearna rialtas SAM grinnfhiosrú orthu, de réir ordaithe feidhmiúcháin a bhain le hathbhreithniú sábháilteachta ar shamhlacha ceannródaíocha. Tagann an teaghlach i dtrí shraith: Sol, an príomhshamhail, ar phraghas $5 ionchuir agus $30 aschuir an mhilliún tócan; Terra, samhail lárleibhéil ag $2.50 agus $15 a deir OpenAI a mheaitseálann GPT-5.5 ar leath an chostais; agus Luna, sraith thapa ísealchostais ag $1 agus $6.

Deir OpenAI go bhfuil Sol i gceannas ar Innéacs Gníomhaire Códaithe Artificial Analysis agus go mbaineann sí 88.8% amach ar Terminal-Bench 2.1, ag ardú go 91.9% nuair a ritheann an tsamhail ceithre fhoch-ghníomhaire i gcomhthráth faoina mód ultra nua. Tá an rátáil riosca inmheánach is airde ag OpenAI ag na trí shraith ar fad maidir le mí-úsáid chibear agus bhitheolaíoch, rud a spreag athbhreithniú breise le linn an réamhamhairc a bhí faoi gheata an rialtais.

Brúnn Kimi K3 Samhlacha Meáchain Oscailte i dTreo na Teorann

D’eisigh Moonshot AI Kimi K3 an 16 Iúil, samhail meascáin saineolaithe le 2.8 trilliún paraiméadar le 896 saineolaí san iomlán agus 16 gníomhach in aghaidh an tasc. Tá fuinneog comhthéacs 1 mhilliún tócan ag an tsamhail agus ionchur ilmhódach dúchasach, le praghsáil API ag $3 ionchuir agus $15 aschuir an mhilliún tócan. Tá Moonshot tiomanta do mheáchain oscailte iomlána a fhoilsiú faoin 27 Iúil.

Is é K3 an tsamhail mheáchain oscailte is mó a eisíodh go dtí seo, thart ar 75% níos mó ná an tsamhail oscailte is mó a bhí in úsáid go forleathan roimhe seo. Cuireann rianairí neamhspleácha K3 sa cheathrú háit i measc na gcóras ceannródaíoch reatha, taobh thiar de Claude Fable 5 agus GPT-5.6 Sol ach chun tosaigh ar Claude Opus 4.8.

Cén Fáth a bhfuil Tábhacht leis an mBearná le Sean-Samhlacha

B’éigean do fhorbróirí tráth fuinneoga comhthéacs faoi bhun 200,000 tócan a úsáid chun bunachair chód mhóra nó pacáistí taighde a bhriseadh ina mblúirí. Ritheann gach samhail sa ghrúpa seo anois ag 500,000 tócan nó níos mó, agus tá trí cinn as ceithre cinn ag 1 mhilliún, rud a ligeann do sheisiún amháin stór iomlán nó stac doiciméad bunscoile a choinneáil.

Tá iontaofacht gníomhairí tar éis bogadh freisin. Is minic a chaill córais ó thréimhse 2023 agus 2024 a bplean tar éis cúpla glao uirlisí. Tógadh na samhlacha a eisíodh an mhí seo chun mórán céimeanna comhordaithe a chothú agus téarnamh nuair a fhilleann glao uirlisí sonraí lochtacha in ionad stopadh ar fad.

Do fhorbróirí, is é an éifeacht phraiticiúil costas níos ísle in aghaidh an tasc críochnaithe seachas uasteorainn níos airde ar aon bhunchomparáid aonair. Léiríonn rialuithe iarrachta in Opus 5, praghsáil shraitheach in GPT-5.6, agus na héilimh éifeachtúlachta taobh thiar de Grok 4.5 an sprioc chéanna: ligean do fhoirne a roghnú cé mhéad ríomhchumhachta atá tuillte ag tasc in ionad praghsanna príomhshamhail a íoc do gach iarratas.

Do fhiontair agus do lucht déanta beartas, léiríonn seoladh GPT-5.6 faoi gheata an rialtais go bhfuil maoirseacht tógtha isteach i sceidil eisiúna do na samhlacha is mó, seachas a chur leis tar éis an fhíric. Ba leagan níos luaithe den phatrún céanna é fionraí gairid Anthropic ar rochtain Fable agus Mythos faoi threoir an rialtais i mí an Mheithimh.