GPT-5 hat das im Grunde genommen im Alleingang geschafft.

Nein, ihr liegt alle falsch, GPT-5 ist ein Sprung Ich setze hier zu 100 % darauf Ich wollte nicht zu schnell posten und es später bereuen, aber es hat gerade eine Menge sehr, sehr schwieriger Debugging-Prompts gelöst, die zuvor (von KI) ungelöst waren, und dann ein wunderschönes pixeliertes Gameboy-Spiel mit einem Detail- und Qualitätsniveau entworfen, das eindeutig über alles hinausgeht, was ich je gesehen habe. Es gibt keine Möglichkeit, dass dieses Modell schlecht ist. Ich denke, ihr seid alle traumatisiert von Benchmaxxern und kompensiert übermäßig gegen ein Modell, das tatsächlich gut ist. Ich denke auch, dass ihr die Stärken von gpt-oss unterschätzt (aber ja, mein letzter Post war hastig) Ich weiß immer noch nicht, ob es für ernsthaftes Programmieren nutzbar ist (o3 war es nicht), aber es scheint so? Ein Codierungsmodell, das so zuverlässig ist wie Opus, aber intelligenter als o3, würde meinen Arbeitsablauf komplett verändern. Opus braucht kein Denken, um großartig zu sein, also könnte das zu seinen Gunsten sprechen. Was es wert ist, ich habe nur wirklich 3 Modelle verwendet: - Opus 4.1 für Codierung - Gemini 2.5 sehr selten für Codierung, wenn Opus versagt - o3 für alles außer Codierung

Nein, ihr liegt alle falsch, GPT-5 ist ein Sprung Ich setze hier zu 100 % darauf Ich wollte nicht zu schnell posten und es später bereuen, aber es hat gerade eine Menge sehr, sehr schwieriger Debugging-Prompts gelöst, die zuvor (von KI) ungelöst waren, und dann ein wunderschönes pixeliertes Gameboy-Spiel mit einem Detail- und Qualitätsniveau entworfen, das eindeutig über alles hinausgeht, was ich je gesehen habe. Es gibt keine Möglichkeit, dass dieses Modell schlecht ist. Ich denke, ihr seid alle traumatisiert von Benchmaxxern und kompensiert übermäßig gegen ein Modell, das tatsächlich wirklich gut ist. Ich denke auch, dass ihr die Stärken von gpt-oss unterschätzt (aber ja, mein letzter Post war hastig) Ich weiß immer noch nicht, ob es für ernsthaftes Programmieren nutzbar ist (4o, o3 waren definitiv nicht), aber es scheint so? Ein Codierungsmodell, das so zuverlässig ist wie Opus, aber intelligenter als o3, würde meinen Arbeitsablauf komplett verändern. Opus braucht kein Denken, um großartig zu sein, also könnte das zu seinen Gunsten sprechen. So viel dazu, ich habe nur wirklich 3 Modelle verwendet: - Opus 4.1 für Codierung - Gemini 2.5 sehr selten für Codierung, wenn Opus versagt - o3 für alles außer Codierung

"Den Tod zu verhindern ist höchst unethisch"

Der Tod zu verhindern ist höchst unethisch.

Also kann gpt-oss 120B kein korrektes Deutsch produzieren, findet aber komplexe Haskell-Fehler, die sogar Opus nicht identifizieren konnte? Wie passiert das? Ich bin wirklich so verwirrt von alledem.

Ich verspreche mir selbst, dass ich niemals wieder versuchen werde, eine schnelle Programmsuche in Haskell / GHC zu implementieren. Es ist einfach unmöglich HVM3 ist leider unglaublich.

Mein erster Eindruck von OpenAIs OSS-Modell stimmt mit dem überein, was sie beworben haben. Es fühlt sich näher an o3 als an anderen offenen Modellen an, außer dass es viel schneller und günstiger ist. Einige Anbieter bieten es mit 3000 Tokens/s an, was verrückt ist. Es ist definitiv intelligenter als Kimi K2, R1 und Qwen 3. Ich habe alle Modelle eine Weile getestet und sehr eindeutige Ergebnisse zugunsten von OpenAI-OSS-120b erhalten. Leider gibt es eine Sache, die diese Modelle noch nicht können - meinen verdammten Job. Also, ich hoffe, ihr habt Spaß. Ich werde zurück sein, um die superponierte λ-Kalkül-Auswertung zu debuggen 😭 bis bald.

Erstmals ist es einer KI gelungen, eine generische "foldr"-Funktion für N-Tupel im λ-Kalkül abzuleiten. Es war Gemini Pro 2.5, mit Deep Think. Alle anderen Modelle scheitern daran, einschließlich o3 und Grok 4. Schöner Fortschritt @GoogleDeepMind

nur ein kurzes Update: Wir haben es geschafft, diese Ansprüche zu replizieren. Guans System erreicht 25 % bei ARC-AGI 1 mit 50 GPU-Stunden. Ich konnte den Code persönlich jedoch immer noch nicht prüfen, aber, es sei denn, es wird irgendwie geschummelt, scheint dieser Ansatz ARC-AGI-Instanzen mit relativ wenig Rechenleistung zu verallgemeinern.