Arena.ai, Claude Opus 5.5가 Opus 5보다 읽기 쉽지만 답변은 더 길다고 밝혀
Arena.ai는 고추론 Text Arena 출력을 비교한 뒤, Claude Opus 5에서 Opus 5.5로 넘어가며 글쓰기 지표 12개 중 10개가 더 나은 방향으로 움직였다고 밝혔다. 평균 답변 길이는 453단어에서 481단어로 늘었고, “perhaps” 같은 완곡 표현은 97% 증가했다.
#evaluation
모든 AI 뉴스 보기AI at Meta, Muse Realtime Avatar가 실시간 통화 비교에서 앞섰다고 밝혀
AI at Meta는 평가자들이 두 상용 아바타 시스템과 2–3분 실시간 통화를 한 뒤 시각적 품질, 동기화, 캐릭터 일관성, 동작과 표정을 비교한 결과 Muse Realtime Avatar를 전반적으로 선호했다고 밝혔다.
LangChain, Jev가 에이전트 평가 심사관으로서 GPT-5.6 및 Claude Sonnet 4.6 대비 인간 심사자와 일치했다고 보고
LangChain은 Jev를 에이전트 평가 심사관으로서 GPT-5.6 Luna, GPT-5.6 Terra, Claude Sonnet 4.6와 비교 테스트했다고 밝혔으며, 모든 호출에서 인간 심사자와 일치하고, 분산이 최대 913배 낮으며, 호출당 0.44초, 전체 실행 비용이 Claude Sonnet 4.6의 $28.17 대비 $0.34라고 보고했다.
Jev-as-a-judge가 이제 LangSmith에서 사용 가능
LangChain은 Jev-as-a-judge가 이제 LangSmith에서 사용 가능하다고 밝혔습니다. 회사는 모든 프로덕션 트레이스를 채점하고, 비용 상승 없이 트레이스당 더 많은 기준을 확인하며, 자동 대응을 트리거할 만큼 빠르게 안전 또는 보안 문제를 포착할 수 있다고 주장합니다.
Elvis, Jev로 AI 논문 ~2.3K편을 83초 만에 $0.14에 재태깅했다고 보고
Elvis (@omarsar0)는 Jev를 사용해 AI 연구 논문 약 2.3K편을 총비용 $0.14로 약 83초 만에 정리했다고 밝혔다. 그는 Jev가 기존 DeepSeek V4 Flash 태그의 75%에 동의했고 고신뢰도 주제 변경을 약 579건 찾았으며, 불일치 항목 30건에 대한 수동 확인이 전부 수용된 뒤 변경 사항이 프로덕션에 적용됐다고 말했다.