sí, ningún modelo en el mundo se acerca a esto me voy a dormir, estoy 100% seguro de que tengo razón en mi juicio como siempre, esto pronto será sentido común, pero yo lo dije primero (: nos vemos

GPT-5 básicamente lo hizo de un solo intento

Nah, todos están equivocados, GPT-5 es un gran avance Estoy 100% decidido aquí No quería publicar demasiado rápido y arrepentirme de nuevo, pero acaba de resolver un montón de prompts de depuración muy, muy difíciles que anteriormente no habían sido resueltos (por IA), y luego diseñó un hermoso juego de Gameboy pixelado con un nivel de detalle y calidad que claramente está más allá de cualquier otra cosa que haya visto. No hay forma de que este modelo sea malo. Creo que todos ustedes están traumatizados por los benchmaxxers y están sobrecompensando contra un modelo que en realidad es bueno. También creo que están subestimando las fortalezas de gpt-oss (pero sí, mi última publicación fue apresurada) Aún no sé si es utilizable para programación seria, aunque (o3 no lo era), pero parece que sí? Un modelo de codificación tan confiable como Opus, pero más inteligente que o3, cambiaría completamente mi flujo de trabajo. Sin embargo, Opus no necesita pensar para ser genial, así que eso podría jugar a su favor. Por lo que vale, realmente solo usé 3 modelos: - Opus 4.1 para codificación - Gemini 2.5 muy raramente para codificación cuando Opus falla - o3 para todo menos codificación

Nah, todos están equivocados, GPT-5 es un gran avance Estoy 100% apostando aquí No quería publicar demasiado rápido y arrepentirme de nuevo, pero acaba de resolver un montón de prompts de depuración muy, muy difíciles que anteriormente no habían sido resueltos (por IA), y luego diseñó un hermoso juego de Gameboy pixelado con un nivel de detalle y calidad que claramente está más allá de cualquier otra cosa que haya visto. No hay forma de que este modelo sea malo. Creo que todos ustedes están traumatizados por los benchmaxxers y están sobrecompensando contra un modelo que en realidad es muy bueno. También creo que están subestimando las fortalezas de gpt-oss (pero sí, mi última publicación fue apresurada) Aún no sé si es utilizable para programación seria, aunque (4o, o3 definitivamente no lo eran), pero parece que sí? Un modelo de codificación tan confiable como Opus, pero más inteligente que o3, cambiaría completamente mi flujo de trabajo. Sin embargo, Opus no necesita pensar para ser genial, así que eso podría jugar a su favor. Por lo que vale, realmente solo usé 3 modelos: - Opus 4.1 para codificación - Gemini 2.5 muy raramente para codificación cuando Opus falla - o3 para todo menos codificación

"prevenir la muerte es altamente poco ético"

prevenir la muerte es altamente poco ético

Entonces, ¿gpt-oss 120B no puede producir un alemán correcto, pero clava errores complejos de Haskell que incluso Opus no pudo identificar? ¿Cómo sucede eso? Estoy realmente tan confundido por todo esto

Prometiéndome a mí mismo que nunca más intentaré implementar una búsqueda de programas rápida en Haskell / GHC. Simplemente es imposible HVM3 es, desafortunadamente, increíble

Mi impresión inicial sobre el modelo OSS de OpenAI está alineada con lo que anunciaron. Se siente más cercano a o3 que a otros modelos abiertos, excepto que es mucho más rápido y barato. Algunos proveedores lo ofrecen a 3000 tokens/s, lo cual es una locura. Definitivamente es más inteligente que Kimi K2, R1 y Qwen 3. Probé todos los modelos un poco y obtuve resultados muy decisivos a favor de OpenAI-OSS-120b. Desafortunadamente, hay una cosa que estos modelos aún no pueden hacer: mi maldito trabajo. Así que, espero que se diviertan. Volveré a depurar la evaluación de λ-cálculo superpuesto 😭 nos vemos.

Por primera vez, una IA ha logrado derivar una función genérica "foldr" para N-tuplas en el λ-Cálculo. Fue Gemini Pro 2.5, con Deep Think. Todos los demás modelos no logran hacerlo, incluyendo o3 y Grok 4. Buen progreso @GoogleDeepMind