Popularne tematy
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Kilka rozszerzonych myśli na temat GPT-5
1) GPT-5 to dobry model. Wydaje się, że zapewnia lepsze wyszukiwanie i wydajność niż o3 przed nim.
2) To rozczarowuje ludzi, ponieważ jest to poprawa inkrementalna, która nie otwiera fundamentalnie nowych przypadków użycia.
3) Naprawdę interesująca historia wokół GPT-5 wydaje się bardziej dotyczyć konkurencji z Anthropic.
4) Anthropic zwiększyło swoje przychody o 4-5 razy w ciągu ostatnich 6 miesięcy. OpenAI zwiększyło swoje przychody o 2 razy.
5) Duża część wzrostu przychodów Anthropic wynika z przychodów z API, które stanowią znacznie większy procent przychodów Anthropic (60%) niż przychodów OpenAI (25%).
6) Około 50% przychodów z API Anthropic pochodzi od jego partnerów Cursor i Github Copilot. Anthropic prawdopodobnie zbiera około 800 mln dolarów przychodu z Cursor.
7) GPT-5 wydaje się częściowo dotyczyć wyzwania dominacji Anthropic w agentach kodujących. GPT-5 jest teraz domyślnym modelem w Cursor.
8) GPT-5 w końcu dorównuje wydajności Claude 4.1 Opus w SWE Bench Verified, co nie jest doskonałym miarą, ale wydaje się być dobrym wskaźnikiem wydajności.
9) Partnerstwo z Cursor ma szansę skierować wiele przychodów z powrotem do Anthropic, jednocześnie pomagając OpenAI umocnić swoją pozycję w umysłach konsumentów w aplikacjach kodujących.
10) Nie sądzę, aby warto było zbyt wiele w to wczytywać, ale może to spowolnić wzrost przychodów Anthropic i uczynić ich podnoszenie (chociaż prawdopodobnie słaby efekt) nieco trudniejszym.
11) Mam inne myśli na temat GPT-5 z perspektywy interakcji użytkownika / uruchomienia.
12) Myślę, że zepsuli uruchomienie; nikt nie chce oglądać transmisji na żywo, benchmarki nie są już zrozumiałe, a nie było nic wirusowego do interakcji.
13) Fajne interakcje z modelami muszą dotyczyć nowych modalności lub muszą być bardzo agentowe, co wymaga dużo wsparcia. Rzeczy historyczne są również dobre - nasze modele rozwiązały nagrodę milenijną.
14) Laboratoria mają tendencję do rozwiązywania UI/UX w jednym miejscu, a potem kończą z problemami w innym; upraszczamy złożoność modelu (w pewnym stopniu), ale teraz musimy wybierać osobowości.
15) Ale to w porządku i jest częścią wielkiej przygody, w której dążymy do naprawdę dostosowanych interakcji z naszymi asystentami LLM.
2,5K
Najlepsze
Ranking
Ulubione