Artificial Analysis
Fonte de notícias de IA. Os artigos são selecionados e adaptados pela redação do Hamidun News.
Últimas publicações
Artificial Analysis lança o AA-PersonalityBench: 36 modelos, 30 traços, 900 perguntas
Novo benchmark avalia o estilo de conversa dos LLMs, e não o acerto das respostas: 30 traços, 8 índices e 21 métricas de formatação. São 36 modelos, do Claude ao GPT-6.
Artificial Analysis lança HealthBench: GPT-6 Astra lidera com 66,0%
A Artificial Analysis lançou os rankings HealthBench e HealthBench Professional. O GPT-6 Astra marcou 66,0% com clínicos, e o Claude Sonnet 5.5 lidera o teste geral com 62,1%.
Reflection lança o Beam: 501B de parâmetros e 30 pontos no Intelligence Index
Primeiro modelo da Reflection é o segundo entre os open weights americanos: 30 pontos no Artificial Analysis Intelligence Index, com metade dos tokens gastos pelo K2 Horizon.
NVIDIA RTX Spark N1X roda agente local com Qwen3.8 27B em 18,7 minutos
Notebook Surface Laptop Ultra com chip N1X e 128 GB de memória concluiu a carga agêntica AA-AgentPerf-Local em 18,7 minutos, o dobro da velocidade do MacBook Pro com M5 Pro.
Vera Rubin NVL72 supera o GB300 em até 5,7x em tokens por megawatt no AA-AgentPerf
A Artificial Analysis divulgou os primeiros resultados do Vera Rubin NVL72 em benchmark de coding agêntico: até 5,7x mais throughput por megawatt que o GB300 e recorde de 906 tokens/s por usuário.
NVIDIA lança o Nemotron 3.5 Super: 26 pontos no AA e 630 tokens/s
O Nemotron 3.5 Super VL dobrou a pontuação do antecessor no Intelligence Index e virou o melhor modelo open-weight dos EUA. Junto dele estreia o compacto Bolt 74B-A9B.
AA-Robotics v0.1: GPT-6 Astra controla braço robótico e faz 69 pontos de 100
A Artificial Analysis lançou o AA-Robotics v0.1: LLMs controlam um braço de 6 eixos. O líder, GPT-6 Astra, fez 69,4 pontos, mas gasta 30 minutos e $16,36 por tarefa.
Artificial Analysis lança Decision Index: Jev 1.13 lidera com 58 pontos
A Artificial Analysis lançou um benchmark para decision-models de chamada única. O Jev 1.13 atingiu 58 pontos por $42 por milhão de tarefas, superando o GLiDE e a Microsoft.
Meta lança Muse Wonder e Wonder Full: índice de inteligência sobe de 48 para 56
Muse Wonder e Muse Wonder Full marcaram 52 e 56 pontos no Artificial Analysis Intelligence Index, contra 48 do Muse Spark 1.3. Os testes de agentes cresceram mais, e o preço também.
Artificial Analysis lança AA-3D: Claude Sonnet 5.5 lidera com 1194 Elo
Novo benchmark desafia agentes a criar cenas 3D interativas em three.js. O Claude Sonnet 5.5 lidera com 1194 Elo, mas os quatro primeiros colocados estão tecnicamente empatados.
FrontierCode: os melhores modelos de IA não passam na revisão dos mantenedores em 42% das tentativas
Cognition e Artificial Analysis lançam o FrontierCode 1.1: Claude Opus 5.5 lidera com 52% e 58% de tentativas aprovadas, a $10,15 por tarefa. GPT-6.1 Sol faz 49% por $0,81.
GPT-6 Sol Daybreak Blue lidera o Cyber Index: +32 pontos e $1,77 por tarefa
A Artificial Analysis incluiu no Cyber Index modelos com restrições reduzidas. O GPT-6 Sol Daybreak Blue, modelo fechado, assumiu a liderança com 32 pontos a mais que a versão pública.
Harvey LAB-AA v1.1: Grok 4.7 lidera com 9,4% após checagem de alucinações
Artificial Analysis e Harvey incluíram checagem de alucinações no benchmark jurídico: Grok 4.7 marcou 9,4%, e duas em cada três tarefas aprovadas do Muse Spark 1.3 tinham erros.
Anthropic lança Claude Haiku 5.5: 43 pontos no índice da AA e preço de $0.10 por milhão de tokens
Claude Haiku 5.5 marcou 43 pontos no Artificial Analysis Intelligence Index, caiu para $0.10/$0.50 por milhão de tokens e tem 1 milhão de contexto, mas gasta o triplo de tokens do GPT-6 Luna.