4 флагманских релиза за 8 дней: уже 6 лабораторий преодолели отметку 50 баллов
Небывалая плотность релизов в индустрии ИИ: конкуренция обостряется, а цены на интеллект продолжают падать.
Граница открылась: четыре пограничных запуска за восемь дней — Grok 4.5, GPT-5.6, Muse Spark 1.1 и Kimi K3. Шесть лабораторий теперь имеют модель с рейтингом выше 50 в Индексе искусственного анализа интеллекта по сравнению с двумя в начале июня.
Grok 4.5 от SpaceXAI (высокий, 54) приземлился 8 июля. GPT-5.6 Sol, Terra и Luna от OpenAI (максимум, оценка 59, 55 и 51) и Muse Spark 1.1 от Meta (xhigh, 51) последовали за ними в течение двух дней, а Kimi K3 от Moonshot AI стартовал 16 июля с 57 баллами, опередив Клода Опуса. 4,8 (макс. 56).
Три лучшие модели в индексе теперь производятся из трех разных лабораторий и охватывают всего три пункта. Четыре из десяти моделей, получивших самые высокие оценки, были выпущены с 8 июля, а шесть из десяти — с начала июня.
Единственное, что не сдвинулось с места, это номер 1: Claude Fable 5 (60) удерживает первое место с 9 июня, но его преимущество сократилось с четырех пунктов до одного, а цена интеллекта под ним рухнула.
Поздравляем команды SpaceXAI, OpenAI, Meta и Moonshot AI с замечательными восемью днями.
Ключевые выводы
➤ За шесть недель граница увеличилась с двух лабораторий до шести. До июня только Anthropic и OpenAI имели модель с индексом интеллекта 51 или выше. GLM-5.2 (макс. 51) вывел Z AI на передовую в середине июня; на прошлой неделе добавлены SpaceXAI с Grok 4.5 (high, 54) и Meta с Muse Spark 1.1 (xhigh, 51); Кими К3 делает Moonshot AI шестым с 57-м номером.
➤ Кими К3 дебютирует под номером 3, а по показателям агентурной и информационной работы уступает только двум лучшим. Кими К3 набирает 1668 Эло на GDPval-AA v2, занимая третье место после Claude Fable 5 (макс., 1760) и GPT-5.6 Sol (макс., 1748). В AA-Briefcase, нашем частном эталоне долгосрочной информационной работы, он занимает второе место с 1547 Эло, уступая только Клоду Fable 5 (макс., 1583) и опережая GPT-5.6 Sol (макс., 1495) - с аналитическим качеством Эло (1760), эффективно связанным с Fable 5 (1764). При цене 0,94 доллара США за задачу индекса интеллекта при цене 3/15 долларов США за 1 млн токенов ввода/вывода он обеспечивает сопоставимый интеллект с Claude Opus 4.8 (максимум 1,80 доллара США) примерно за половину стоимости за задачу.
➤ Разведка приграничья за восемь дней подешевела в 2-3 раза. GPT-5.6 Sol (макс.) дает результат на один балл ниже Claude Fable 5 (макс.) при цене 1,04 доллара США за задачу индекса интеллекта против 2,75 доллара США. Grok 4.5 (high) обеспечивает 54 по цене 0,31 доллара, что составляет менее трети GPT-5,5 (xhigh, 0,99 доллара). В 51 год GPT-5.6 Luna (максимум, 0,21 доллара) и Muse Spark 1.1 (xhigh, 0,26 доллара) обогнали GLM-5.2 (максимум, 0,32 доллара), самую дешевую модель с таким уровнем интеллекта всего неделей ранее.
В настоящее время шесть лабораторий имеют модели с рейтингом выше 50 в Индексе интеллекта искусственного анализа: Anthropic (Claude Fable 5, 60), OpenAI (GPT-5.6 Sol, макс. 59), Moonshot AI (Kimi K3, 57), SpaceXAI (Grok 4.5, high, 54), Z AI (GLM-5.2, макс. 51) и Meta (Muse Spark 1.1, xhigh, 51). 51). Стрелками отмечены шесть записей за последние восемь дней.
В долгосрочной перспективе видно, насколько необычными были последние шесть недель. Большую часть периода с конца 2022 года границу индекса разведки удерживали одна или две лаборатории одновременно. С начала июня SpaceXAI, Moonshot AI, Meta и Z AI приблизились к первому месту в пределах однозначных цифр.
Запуски также изменили форму Индекса кодирующих агентов искусственного анализа. GPT-5.6 Sol (макс.) в Кодексе теперь лидирует с показателем 80, опережая GPT-5.6 Terra (макс. 77) в Кодексе и Claude Fable 5 (макс., с резервным вариантом) в Claude Code (77). Grok 4.5 (high) в Grok Build набирает 76 баллов, что соответствует GPT-5.5 (xhigh) в Codex, а Muse Spark 1.1 (xhigh) в Opencode — 69.
Восемь дней изменили границу между интеллектом и затратами. GPT-5.6 Luna (максимум, 0,21 доллара США), Muse Spark 1.1 (xhigh, 0,26 доллара США) и Grok 4,5 (максимум, 0,31 доллара США) все находятся на уровне или ниже цены GLM-5.2 (максимум, 0,32 доллара США), установленной неделей ранее, в то время как Kimi K3 (0,94 доллара США) и GPT-5.6 Sol (максимум, 1,04 доллара США) поставляются в пределах трех и одного пункта от Клода. Fable 5 (2,75 доллара США) примерно за треть стоимости за задание.
