«KI-Agenten schneiden sechs Prozent schlechter ab — KI-Agenten vernichten Dokumente bei Langzeitaufgaben:
Microsoft-Forscher warnen vor Automatisierung durch KI-Agenten - Top-Modelle wie GPT 5.4 korrumpieren bei Langzeitaufgaben Daten. Ein Risiko für jedes Unternehmen.»

Zu viele nutzen KI leichtgläubig ohne es zu überprüfen geschweige eine Ahnung der Aufgabe im eigentlichen haben.

🤖 https://www.it-daily.net/shortnews/ki-agenten-vernichten-dokumente

#ki #microsoft #leichtglaubigen #gpt5_4 #gpt54 #ms #itsicherheit

Новый бенчмарк по кодингу для LLM ProgramBench: 9 топ моделей, 200 задач, 248 тысяч тестов. Полностью решённых — ноль

200 задач. 248 тысяч тестов. Девять моделей, среди них всё свежее: Opus 4.7, GPT 5.4, Gemini 3.1 Pro, Sonnet 4.6. На SWE-bench те же модели берут 70 % и выше. На ProgramBench — ноль полного резолва. Лучший «почти решено» у Opus 4.7 — 3 %. У остальных и того нет. Это новый бенчмарк от Meta Superintelligence Labs, Stanford и Harvard (2026). Агенту дают скомпилированный бинарь и описание программы. Никаких сорсов, никакой декомпиляции, никакого интернета. Задача — собрать программу с нуля так, чтобы она прошла 248 тысяч поведенческих тестов. Это не «пофиксить баг в существующем коде» (как SWE-bench) и не «дописать функцию по сигнатуре» (как HumanEval). Это другой ТИП задачи: спроектировать систему. Внутри — методология, паттерн результатов (что модели вытягивают, а что нет), и почему этот ноль — на самом деле важная новость для тех, кто строит на LLM продакшен.

https://habr.com/ru/articles/1035574/

#ProgramBench #бенчмарк #LLM #кодингагенты #SWEbench #vibecoding #opus_47 #GPT54

Google AI Pro face à ChatGPT Plus : qui gagne pour les PME

Google AI Pro et ChatGPT Plus coûtent 20 €/mois. L'un mise sur l'écosystème Workspace, l'autre sur les agents autonomes. On décortique tout.

https://www.decodeur-ia.com/articles/google-ai-pro-vs-chatgpt-plus-comparatif-20-euros-pme-freelance-2026/

#IA #IntelligenceArtificielle #googleaipro #chatgptplus #gemini31pro #gpt54

https://blog.gslin.org/archives/2026/05/08/13032/openrouter-%e5%b0%8d-gpt-5-5-%e6%bc%b2%e5%83%b9%e7%9a%84%e5%88%86%e6%9e%90/

OpenRouter 對 GPT-5.5 漲價的分析

#analysis #cost #gpt #Gpt54 #Gpt55 #increase #language #large #llm #model #openai #openrouter #pricing #prompt #token

Omry Yadan (@omry)

Claude로 전체 구조와 초기 스캐폴딩을 만들고, 일상적인 코딩은 GPT-5.4로 처리하며 복잡한 문제나 리뷰에는 GPT-5.5를 활용한 개발 워크플로를 공유합니다. Codex와 Claude Code도 제한에 따라 번갈아 사용했습니다.

https://x.com/omry/status/2050907363931234434

#claude #gpt54 #gpt55 #codex #aidevelopment

https://winbuzzer.com/2026/05/02/google-deepmind-ai-co-clinician-beats-gpt-5-4-blind-doctor-tests-xcxwbn/

Google DeepMind AI Co-Clinician Tops GPT-5.4 in 98-Query Test But Still Trails Physicians

#AI #GPT54 #GoogleDeepMind #DeepMind #Google #OpenAI #AIModels #AIResearch #Healthtech #AIMedicine #Healthcare

Google AI Pro vs ChatGPT Plus : le vrai match à 20 €/mois

Google AI Pro et ChatGPT Plus coûtent 20 €/mois. L'un mise sur l'écosystème Workspace, l'autre sur les agents autonomes. On décortique tout.

https://www.decodeur-ia.com/articles/google-ai-pro-vs-chatgpt-plus-comparatif-20-euros-pme-freelance-2026/

#IA #IntelligenceArtificielle #googleaipro #chatgptplus #gemini31pro #gpt54

¿GPT-5.4 se volvió más tonto? La verdad

¿Se volvió más tonto GPT-5.4? Un bug real de routing lo afectó, Altman lo admitió. GPT-5.4 corrige eso y mejora en benchmarks concretos. Explicación com...

https://blog.donweb.com/gpt-5-4-se-volvio-mas-tonto-model-routing/

#gpt5 #openai #modelrouting #gpt54 #chatgpt

OpenAI lança GPT-5.5 com foco em programação e autonomia

https://fed.brid.gy/r/https://tecnoblog.net/noticias/openai-lanca-gpt-5-5-com-foco-em-programacao-e-autonomia/