学術研究 【geek-terminalニュース】長時間業務評価GDPx「最上位12%」の最新情報
📝 本日のニュース概要 Redditで「GDPval後継」と紹介されたGDPx。公表元の評価仕様と原本コメントを追加確認し、「最上位12%」の分母、領域別の重み、部分点、実行基盤、失敗条件を掘り下げます。評価値は公表元の報告として扱い、独立...
AIベンチマーク
学術研究 学術研究 【geek-terminalニュース】AA指数v5は何を測る？非公開評価と「実用性」のズレ
📝 本日のニュース概要 Artificial Analysis Intelligence Index v5を巡る議論を、評価方法から深掘り。追加取得したAA公式の説明と、Reddit利用者の体感・疑惑を区別し、非公開評価の再現性、科学・コー...
ローカルLLM Kimi K3が実務ベンチを横断席巻、Next.js・科学・表計算で何が起きたのか
📝 本日のニュース概要 以前お伝えしたKimi K3の続報です。今回は公式仕様や価格ではなく、Next.js Eval、Frontend Code Arena、Text Arena科学フィルタ、SpreadsheetBench 2という実務...
ローカルLLM 【geek-terminalニュース】Kimi K3参戦、2.8T級MoEと1M contextがオープンウェイト最前線を押し広げる
📝 本日のニュース概要 以前お伝えしたKimi K3の続報です。Moonshot AIの2.8兆パラメータ級open-weight MoE、1Mトークン文脈、Kimi Delta Attention、Artificial Analysis上...