🤖 ‏ مدل Claude Opus 5 پیشتاز جدید هوش مصنوعی

🔬 ‏ مدل Claude Opus 5 با کسب امتیاز 61 در Artificial Analysis Intelligence Index، رسماً جایگاه نخست هوشمندی را تصاحب کرد. این مدل با عملکردی برتر نسبت به Fable 5 و GPT-5.6 Sol، در هر تسک 26% هزینه کمتری برای کاربران به همراه دارد.

⚡ ‏ در حوزه هوش عاملی، Opus 5 با ثبت امتیازات خیره‌کننده در بنچمارک‌های GDPval-AA v2 و AA-Briefcase، استانداردهای جدیدی برای خروجی‌های دقیق حرفه‌ای تعریف کرده است. همچنین با استفاده از ابزار Claude Code، این مدل در Coding Agent Index به رتبه اول دست یافته است.

📊 ‏ اگرچه استدلال علمی مدل بهبود یافته، اما در دانش واقعی همچنان از Fable 5 عقب‌تر است و نرخ توهم آن با افزایش 14 درصدی به 50% رسیده است. این مدل از پنج سطح تلاش مجزا و پنجره متنی 1 میلیون توکنی پشتیبانی می‌کند.

💰 ‏ قیمت‌گذاری به ازای هر میلیون توکن ورودی و خروجی به ترتیب 5 و 25 دلار است.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Claude_Opus_5 #GDPval_AA

🤖 ‏ بررسی مدل جدید DeepSeek V4 Flash 0731

🔬 ‏ مدل جدید DeepSeek V4 Flash 0731 با کسب امتیاز 50 در شاخص هوش Artificial Analysis، جهشی 10 امتیازی نسبت به نسخه پیشین خود داشته است. این مدل با حفظ معماری و 284 میلیارد پارامتر (13 میلیارد فعال)، اکنون 6 امتیاز از نسخه Pro پیشی گرفته و در مرز پارتو (تعادل بهینه هزینه و هوش) قرار دارد.

⚡ ‏ عملکرد این مدل در Agentic Tasks (وظایف خودمختار) بهبود چشمگیری یافته و امتیاز Elo آن در بنچمارک GDPval-AA v2 به 1559 رسیده است. همچنین در Terminal-Bench 2.1 رشد 17 واحدی ثبت کرده و در تمامی بخش‌های شاخص هوش، از جمله GPQA Diamond با امتیاز 91٪، عملکردی قوی‌تر از نسل قبل ارائه می‌دهد.

🧠 ‏ نکته کلیدی در نسخه 0731، کاهش نرخ Hallucination (توهم مدل) است که باعث بهبود 7 واحدی شاخص AA-Omniscience شده، بدون اینکه دقت کلی تغییری کند. علاوه بر این، مدل با کاهش 12 درصدی در مصرف توکن، نسبت به predecessor خود بسیار بهینه‌تر عمل می‌کند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#DeepSeek_V4_Flash #GDPval_AA