Theo の 1,000 ドル DeepSWE テスト、Jev Router は low の GPT-6 Astra に近い
Theo は、DeepSWE で Jev Router をベンチマークするために 1,000 ドルを費やしたと述べている。性能は low 設定の GPT-6 Astra とほぼ同じで、費用はわずかに高く、実行時間はほぼ 5 倍だったと報告している。
関連AIニュース
Arena.ai、Agent Arena 上で4,700回以上のエージェントセッションを通じ Jev Router を評価
Arena.ai は Agent Arena 上の4,700回を超えるエージェントセッションを通じて typesafeai の Jev Router を評価した。現在のパレート境界を更新することはなかったものの、ユーザーフィードバックに応じた強力な制御性を示したことが判明した。
Scale Labs、視覚的推論ベンチマーク「Humanity's Sixth Sense」を発表
Scale Labsは、日常的な直感的視覚推論を検証するため、画像と動画にまたがる522のオープンエンドタスクで構成される評価ベンチマーク「Humanity's Sixth Sense」を公開した。
GPT-6.1 Sol が Cline で利用可能に
Cline は GPT-6.1 Sol の提供を開始した。DeepSWE v1.1 で、Cline は同モデルが GPT-6 Astra と同等で、コストはおよそ5分の1だとしている。
OpenAI、GPT-6 LunaのDeepSWE v1.1スコアを66.6%と報告
OpenAIは、GPT-6 LunaがDeepSWE v1.1で66.6%を記録し、medium effortでClaude Opus 5およびFable 5に匹敵しつつ1タスクあたり93〜96%低いコストだと報告している。また、より高いeffortでは事実性でGPT-5.6 Solに匹敵し、コストは約100分の1だとしている。
DeepLearning.AI、The Batch で DeepSeek のキャッシュ削減と Flash のベンチマーク結果を詳述
DeepLearning.AI は The Batch の最新号で DeepSeek のアーキテクチャを分析し、トークンあたりのキャッシュが 890 バイトと DeepSeek-V1 より 437 倍削減されたと報告した。また、入力が 4K から 1M トークンに拡大すると出力トークンあたりの計算量が 25% 増加する点や、AA Index で Flash が V4-Pro を上回った点も指摘している。