Arena.aiによると、GPT-6 SolとGPT-6 Lunaのスコアは近日公開
OpenAIの2モデルはArenaで試すことができ、実世界のエージェント型タスクへの投票がリーダーボードに反映される。Arena.aiによると、petergostevは同一のプロンプトと最大推論設定でGPT-6 SolとGPT-5.6 Solも比較している。
#gpt-5-6
すべてのAIニュースを見るOpenAI、GPT-6 SolとLunaはAstraのアラインメント進展を土台にしていると発表
OpenAIによると、両モデルはそれぞれのGPT-5.6対応モデルを上回る改善を示している。
LangChain、エージェント評価の審査役としてJevが人間のレビュアーと一致したと報告、GPT-5.6およびClaude Sonnet 4.6と比較
LangChainは、エージェント評価の審査役としてJevをGPT-5.6 Luna、GPT-5.6 Terra、Claude Sonnet 4.6と比較検証し、すべての呼び出しで人間のレビュアーと一致、最大913倍低い分散、呼び出しあたり0.44秒、フル実行コスト0.34ドル（Claude Sonnet 4.6では28.17ドル）と報告した。