Dopo l'annuncio del nostro benchmark di ragionamento basato sul Sudoku, abbiamo valutato gli ultimi modelli per tenere traccia dei miglioramenti nelle loro capacità di ragionamento. Oggi lanciamo la classifica Sudoku-Bench: Nuova relazione tecnica: Ora puoi monitorare i progressi dei nuovi modelli nella nostra classifica in tempo reale. Tra i modelli che abbiamo confrontato finora: l'o3 Mini High di OpenAI è in testa in generale. È interessante notare che Gemini 2.5 Pro funziona meglio nei puzzle 6x6 più difficili! Tuttavia, o3 è l'unico modello che risolve uno qualsiasi dei Sudoku 9x9, ma solo il 2,9% e solo i Sudoku vaniglia. Fondamentalmente, NESSUN modello testato può ancora conquistare i 9x9 che richiedono un ragionamento forte e creativo. Questo benchmark rimane una grande sfida! Per un'analisi più approfondita del benchmark, della metodologia e dei nostri risultati, consulta il nostro rapporto tecnico. Vuoi testare un modello su Sudoku-Bench? È semplice! Visita la classifica. Scegli un puzzle. Generiamo un prompt (puzzle + istruzioni) da incollare in qualsiasi modello. Esplora anche le tracce di ragionamento dei nostri test!