Uradne izjave. OpenAI je 26. oktobra izdal GPT-6.1 Terra v ChatGPT Work, Codexu in API-ju ter ga predstavil kot hiter, cenejši model za rabo računalnika, vizualno sklepanje in pisanje. OpenAI navaja, da so cene API-ja pol nižje kot pri GPT-5.6 Terra, da pri največjem naporu reši 50,3 % nalog Terminal-Bench 4.0 in da dosega »kritični« prag kibernetske varnosti po njegovem okviru pripravljenosti. Vsi podatki so OpenAI-jevi. [1]
Dva dni pozneje je Google DeepMind predstavil Gemini 4 Carbon, dva tedna po Gemini 4 Argon. Google trdi, da ima najvišji rezultat na indeksu Artificial Analysis Intelligence Index v5.0 in da vodi na testih ranljivosti (SEC-bench Pro 88,2 %, ExploitGym 54,8 %). Carbon najprej izdaja delu kibernetskih branilcev v programu Fairwind in sodeluje v prostovoljnem predizdajnem testiranju ameriške vlade. Širša dostopnost nima datuma. [2][3]
Signali na X. Sam Altman je Terro predstavil kot začetek »tega novega obdobja rabe računalnika«; Demis Hassabis je zapisal, da Google »napreduje z bliskovito hitrostjo« in da je Carbon »najboljši na ključnih testih«. Obe sta trditvi avtorjev, nobena objava ne navaja neodvisnih vrednotenj. [4][5]
Neodvisna preverjanja. SecurityWeek opozarja, da so bili Googlovi kibernetski rezultati doseženi brez varovalk. [3] Na lestvici Terminal-Bench, ki jo vodijo vzdrževalci in jo spremljamo, bi bil Terrin samoporočani rezultat 50,3 % pod najboljšimi preverjenimi agenti. Naše branje: laboratoriji zdaj tekmujejo s politiko izdaje prav toliko kot z rezultati — eden širi dostop z nižjo ceno, drugi ga oža zaradi tega, kar model zmore.
Zgoščenost signalov: oba signala z X in obe podjetji sta iz ZDA oz. Združenega kraljestva. Neameriške protiutež je ta teden predstavljalo odprto raziskovanje agentov na Kitajskem, o katerem pišemo v rubriki Agenti.