Після оголошення про тест міркувань на основі судоку ми оцінюємо найновіші моделі, щоб відстежувати покращення їхніх можливостей міркування. Сьогодні ми запускаємо таблицю лідерів судоку-лавки: Новий технічний звіт: Тепер ви можете відстежувати прогрес нової моделі в нашій таблиці лідерів у реальному часі. З моделей, які ми порівняли на даний момент: o3 Mini High від OpenAI лідирує в загальному заліку. Цікаво, що Gemini 2.5 Pro краще справляється з найскладнішими головоломками 6x6! Тим не менш, o3 є єдиною моделлю, яка вирішує будь-який з судокусів 9x9, але тільки на 2,9% і тільки ванільних судоку. Важливо те, що ЖОДНА протестована модель ще не може підкорити 9x9, вимагаючи сильного, творчого мислення. Цей орієнтир залишається грандіозним викликом! Щоб глибше зануритися в бенчмарк, методологію та наші висновки, перегляньте наш технічний звіт. Хочете протестувати модель на Sudoku-Bench? Все дуже просто! Відвідайте таблицю лідерів. Вибери пазл. Генеруємо підказку (головоломка + інструкція) для вставки в будь-яку модель. Вивчіть також зразки слідів міркувань з наших тестів!