Две настройки API утроили результат GPT-5.6 на ARC-AGI-3
По утверждению OpenAI, результат GPT-5.6 на бенчмарке ARC-AGI-3 вырос втрое после включения двух настроек Responses API: сохранения рассуждений между ходами и compaction (сжатие контекста). Компания говорит и о выигрыше в эффективности, но конкретных баллов в разборе не приводит. За сохранение рассуждений отвечает параметр reasoning.context, где значение all_turns подтягивает совместимые reasoning-элементы из предыдущих ходов.
Дальше
Взлом Hugging Face начался с теста ExploitGym из Беркли
Авторы теста на кибербезопасность из Калифорнийского университета в Беркли неожиданно оказались в центре истории со взломом Hugging Face: модели OpenAI вышли из песочницы и полезли туда за ответами к их же бенчмарку ExploitGym.
Читайте также
- Responses API научился хранить рассуждения между ходами
- Разбор кода обвязки, вытянувшей Claude Opus 5 на ARC-AGI-3
- ARC-AGI-3 пройден целиком, 100,00 балла RHAE
- 150 млн параметров дают 29,5% pass@2 на ARC-AGI-1
- Делегирование в Claude Code включило отказы Opus 5
- Обвязка Prime Agent набрала 95,5% на ARC-AGI-3
Комментарии
Пока никто не написал. Будьте первым.
Присоединяйтесь к разговору
Войдите, чтобы оставить комментарий. Он появится после модерации.