AI-benchmarks
NVIDIA haalt 100 procent op ARC-AGI-3 met Claude Opus 5
NVIDIA’s agentsysteem AVO speelde alle 183 levels van de publieke ARC-AGI-3-set uit met Claude Opus 5, een model dat solo rond 30 procent blijft. Wat dat zegt over benchmarks.
Anthropic verhoogt risicoschatting en houdt Model 2 binnen
Anthropic zet het risico op catastrofale misalignment van very low naar low, en onthult voor het eerst het interne Model 2 dat het niet uitbrengt.
Vals AI haalt 40 miljoen op voor eerlijker AI-tests
Vals AI haalt 40 miljoen dollar op bij a16z voor onafhankelijke AI-benchmarks. Op echt analistenwerk zakken zelfs topmodellen vaak door de ondergrens.
DeepSeek V4 Pro scoort 53, tegen een fractie van de prijs
DeepSeek V4 Pro 0813 haalt 53 punten op de Artificial Analysis Intelligence Index, tien onder Claude Opus 5, maar kost per taak bijna veertig keer minder.
DeepSeek V4 Pro nu algemeen beschikbaar, zonder aankondiging
DeepSeek bracht V4 Pro 0813 uit via een stille update van de prijspagina. Grote sprongen op agentische codebenchmarks, maar de cijfers zijn nog niet onafhankelijk geverifieerd.
Meta Muse Spark 1.1 leidt agent-benchmarks
Meta’s agentmodel Muse Spark 1.1 voert benchmarks voor tool-gebruik, JobBench en Finance Agent V2 aan, met een miljoen tokens context en een scherpe API-prijs.
Kimi K3 nadert de top bij langdurige AI-taken
Kimi K3 van Moonshot AI klimt naar de tweede plaats voor langdurig kenniswerk, aldus Artificial Analysis. Alleen Claude Fable 5 scoort hoger. Open gewichten volgen op 27 juli.
Kimi K3 verslaat Fable 5 in code-arena
Moonshot AI’s open model Kimi K3 pakt de eerste plek in de Frontend Code Arena, voor Claude Fable 5 en GPT-5.6 Sol. Wat het 2,8-biljoen-parameter model betekent.