Представили новую версию Gemini 2.5 Pro 06.05
Стала лучше:
1. HLE - тест на глубокое рассуждение и общие знания
2. GPQA - бенчмарк из вопросов по физике уровня магистратуры/аспирантуры, проверяющий научные и математические способности модели
3. AIDER Polyglot - бенчмарк для оценки многоязычных способностей в программировании.
В тестах на мультимодальность, написание художественных текстов и веб-разработке также превосходит конкурентов, но здесь с небольшим отрывом в среднем на пару процентов.
🤗
Стала лучше:
1. HLE - тест на глубокое рассуждение и общие знания
2. GPQA - бенчмарк из вопросов по физике уровня магистратуры/аспирантуры, проверяющий научные и математические способности модели
3. AIDER Polyglot - бенчмарк для оценки многоязычных способностей в программировании.
В тестах на мультимодальность, написание художественных текстов и веб-разработке также превосходит конкурентов, но здесь с небольшим отрывом в среднем на пару процентов.
🤗